广告作为多数互联网企业的主要盈利手段之一,在各种基于互联网的服务中都有非常成熟的应用,如何为用户提供个性化的广告,提高用户满意度和广告效果一直是各大互联网公司的研究热点。移动互联网的蓬勃发展和移动设备的便携性和上下文感知等特点为基于位置的服务的发展提供了硬件条件,地图、团购、打车等各种基于位置的服务飞速发展。随着辅助驾驶以及自动驾驶技术的兴起以及移动应用针对驾驶场景的优化和车载智能系统的发展,用户在车内使用互联网服务越来越频繁,为车联网环境下的广告服务提供了良好平台。针对车联网环境下为用户推送本地化广告主所提供的广告的问题,设计广告调度层来优化匹配给当前用户的广告数据的播放策略。在用户行车过程中,用户的位置不断发生变化,单纯根据现有的推荐系统的推荐结果依次播放,而不考虑用户的位置等上下文信息,无法最大化有限的广告播放窗口的广告效果。其次,与用户在使用传统网络服务时候的离散行为不同,在用户一段时间内的行车过程中,用户的行为受到限制,车内的环境比较单一,使用互联网服务的行为比较连续。这样一来,推荐给用户的广告之间是有相互影响的,除了关注单个广告的推荐效果外,还要提高广告播放序列的总体效果。在推荐系统对用户的人口统计学信息、用户兴趣模型数据,以及用户行车数据等信息的充分利用的基础之上,使用广告的用户匹配度数据,上下文匹配等数据来优化广告序列整体播放效果。为了实现广告调度层优化广告播放目标,将广告调度问题抽象为合适的数学模型,即在一定约束条件下的广告序列综合收益最大化的问题。首先,设置不同约束条件来实现不同情形下的广告播放次数、播放间隔的调控和广告的类型控制等条件,设计合理的目标函数来度量广告播放序列的综合收益。其次,引入整数规划模型来求解简化条件下的广告调度问题。整数规划模型描述简单,适合在比较简单的系统中实现,也方便用来对广告调度进行初步的分析。最后,引入蚁群优化算法来对较大问题规模以及更加复杂的条件下的数学模型进行分析和求解。通过将广告调度问题转化蚁群优化算法中各个要素,详细的介绍了使用蚁群优化算法求解广告调度问题的流程,并使用实验数据对算法的可行性进行验证。