近年来,电子商务迅猛发展,不仅使得人们购物越来越方便,而且还让人们感受到信息技术带来的便利。但同时也因电子商务的特点使得消费者在对实物的期望与实际产品的质量上产生差异,这种差异带来的必然是退换货。这不仅增加了电子商务企业的成本,也是社会资源的一种浪费。在这种情况下,设计合理的配送方案,提高能源利用率,具有巨大的经济和社会意义。因此本论文是在这样的大背景下考虑逆向物流的选址和车辆路径问题。然而,逆向物流的选址与车辆路径问题是NP完全问题,传统的求解的算法不能对其进行精确求解,所以很多学者开始用仿生智能算法来求解大规模问题的近似最优解。所以本论文在介绍各种基本智能算法的基础上改进蚁群算法,并应用到逆向物流的选址和车辆路径问题中。本文是对电子商务中退货的逆向物流的选址和车辆路径问题进行研究,在考虑车辆路径的基础上进行选址。第一部分是对逆向物流的选址和车辆路径问题的相关研究进行综述,分析研究中的问题和不足,在分析前人研究不足的基础上确定本文研究的主要内容;第二部分介绍逆向物流的基本理论知识和逆向物流在电子商务中的应用,包括产生的原因,作用,现状和模式;第三部分是构建逆向物流选址路径的模型,在模型建立中考虑带时间窗的参数和多目标优化函数的处理,使得模型更加准确反映现实生活;在第四部分是车辆路径问题求解算法的研究,主要是通过介绍几种求解这类问题的启发式算法,通过仿真实验来分析这些算法在求解这类问题中优点和不足;第五部分主要是改进算法理论及实验,这一部分是文章的重点,主要是介绍算法的改进原理,本文从最大最小蚁群算法进行改进,对于最大最小蚁群算法的搜索全局解慢的不足,将局部算法2-opt引入MMAS算法中,同时对算法各方面进行改进,包括选择策略、初始解及其信息素更新等方面,将这些改进通过车辆路径问题进行验证,求解了带时间窗的VRP问题。用matlab进行仿真实验,对比算法的结果,进行结果分析;第六部分是对本文的主要研究内容进行总结,分析不足及其展望接下来研究的方向。本文的重点是对算法进行改进,为了验证算法的有效性,本论文把它们应用于真实案例的数据中,进而验证改进算法对逆向物流选址与车辆路径问题求解的可行性和有效性。