配送是物流系统中很重要的一个环节,它要求在规定的时间内以一定的方式将确定的货物送到指定的地点。而车辆路径问题是研究货物运输成本最小的物流配送问题,它也是运输组织优化中的核心问题,由于它将运筹学理论与生产实践紧密地结合,因而在最近几十年取得了丰硕的研究成果,并且被称为“最近几十年运筹学领域最成功的研究之一”。因此,用启发式算法求解该问题就成为人们研究的一个重要方向。本文分析和总结了车辆路径问题的历史和研究现状,以及数学模型、约束条件,以综合性能的角度对求解车辆路径问题的算法进行了一定的归纳和分析,并在此基础上确定了本文的研究方法和目标。同时,结合实际,提出了本文的研究问题——有时间窗的车辆路径问题(VRPTW),建立了以车辆容量和客户需求等为约束条件,以配送运输成本为目标函数的VRPTW数学模型。蚁群算法是一种新兴的群智能算法。它具有正反馈、并行计算、较强的鲁棒性等诸多特点,在很多领域有着广泛的应用。然而,基本蚁群算法在求解组合优化问题过程中容易出现过早收敛或停滞现象。为了解决这些问题,本文针对VRPTW问题,提出了三种新的改进算法,采用一系列Benchmark Problems分别对算法进行测试并与其它启发式算法进行对比,实验结果表明:改进蚁群算法在求解VRPTW上是有效的,特别是对于大规模的VRPTW问题,效果更为显著。本论文主要的创新点在于以项目“现代物流综合管理关键技术与平台”作为研究背景,利用界面开发软件FLTK和Visual C++6.0开发了VRPTW优化器软件(VRP Optimizer),并对采用传统优化算法、启发式算法、遗传算法、粒子群算法、蚁群算法以及混合优化算法等方法求解VRPTW进行了系统的研究和对比,使得在使用中可以根据问题的不同选择不同的算法进行求解和优化。该系统提高了配送中心的配送效率,优化了系统管理,在实际运用中取得了较好的效果。本文研究成果对建立现代物流运输车辆优化调度系统有现实的理论指导意义和应用价值,对蚁群算法的研究也有一定的参考价值。