旅行商问题是一个典型的组合优化问题，本文研究了考虑拥堵的旅行商问题，它是旅行商问题的延伸。在此问题中，由于受交通状况、天气变化等因素的影响，任意两节点的旅行时间依赖于一天中具体所处的时段和具体位置。基于此问题高度复杂且受到的关注较少，本文分别从模型建立、启发式算法求解角度对此问题进行深入研究。　　本文建立了相应的数学模型，该问题模型中的目标是最小化行驶时间。模型考虑了车速随着环境变化而变化，对车辆行驶路径进行决策以使之完成配送的时间最短。简单介绍了蚁群算法来源以及几种典型的蚁群算法，并给出了求解考虑拥堵的旅行商问题的数学模型。针对四个重要参数：信息素启发因子、期望启发因子、信息素挥发系数、发现最优解的概率，进行了参数分析，通过实验测试确定了算法参数的最优设置。在问题求解过程中，提出了一种结合邻域搜索的最大最小蚁群算法（IMMAS），并详细阐述了该算法的主要组成部分及完整的流程。该算法的思想是利用邻域搜索求得一个合适初始解并在这条初始解路径上分布信息素，指导蚂蚁一开始就朝着较好的方向寻找最优解，并利用邻域搜索方法增强蚂蚁跳出局部最优的能力。所提出的算法的有效性是通过测试TSP实例库TSPLIB标准算例进行对比证明的。