随着计算机技术的日新月异,一些新的仿生优化算法像蚁群算法得到了迅速发展和广泛应用。论文首先介绍了物流配送车辆优化调度问题等相关概念,接着详细介绍蚁群算法的产生、发展和研究现状,以及该算法在经典VRP问题上的应用。论文的主要工作是对蚁群算法的改进。蚁群算法的改进策略主要有以下几个方面:首先,针对基本蚁群算法选路计算开销太大,引入了一种新的优化选路方法,通过三种改进策略,减少了蚁群的选路次数,减小了选路时间,提高了运行效率。其次,引入了蚂蚁个体差异策略,通过调整菲尔蒙因子以及期望启发式因子在选路概率中的作用,使蚂蚁的行为方式具有多样性。仿真实验表明这可以使蚁群算法避免过早陷入局部最优。最后,在此基础上融合近似解可行化算法,构造了求解经典VRP问题的自适应蚁群算法。实验结果表明,自适应蚁群算法性能优良,能够有效解决VRP问题。论文提出的自适应蚁群算法,不仅改善了算法性能,还在VRP问题上的应用取得了较好的效果。一系列仿真实验表明,改进蚁群算法在执行效率上有明显的优势,主要体现在选路次数比基本蚁群算法有明显减少,而且随着客户规模的扩大,改进蚁群算法选路次数的减少尤为明显。论文还分析了蚁群算法中参数的选取方法及其对算法性能的影响,提出了一些有益的建议。