带时间窗车辆路径问题(Vehicle Routing Problems Wih Time Windows,简称VRPTW)是在基本车辆路径问题(Vehicle Routing Problems,简称VRP)基础上增加时间窗约束衍生而来的组合优化问题。由于VRPTW已被证明是一个NP难问题,因此如何有效求解VRPTW是一个研究难点。人工蜂群算法(Artificial Bee Colony Algorithm,简称ABC算法)是一种模仿蜜蜂采蜜觅食等行为的群智能优化算法,在求解NP难问题中有非常不错的效果。本文围绕车辆数和车辆行驶距离这两个目标基于VRPTW对ABC算法做了大量改进以及研究,主要工作如下:本文首先探讨了ABC算法的理论基础,根据VRPTW的特点将标准ABC算法离散化。本文设计了一种新的数据结构,采用两个方向的单链表,使用二维编码方式表示每个解,重新定义了蜂群在对食物源进行邻域变换时的编码更新公式,给出了建立初始种群以及产生侦查蜂的方法。由于标准离散ABC算法求解精度很差,本文对标准离散ABC算法做了改进,提出了改进离散ABC算法。结合二维编码的结构,算法在蜂群做邻域搜索时采用了路径间和路径内两种搜索方向,并提出了一种最优插入策略以提高插入操作的成功率。在侦查蜂阶段本文引入了限制变量,设计了新的淘汰机制,增加产生新解的迭代次数以提高新解的竞争力。本文设置了公告栏,通过更新公告栏记录全局最优解,防止最优解在迭代过程中被抛弃。通过与标准离散ABC算法、其他启发式算法、数据库中最优解做对比,改进离散ABC算法在能找到最佳车辆数的情况下保持很高的精度。为了进一步探索改进离散ABC算法种群收敛能力,本文从方差和熵两个方面研究了该算法在求解VRPTW中的种群多样性。通过实验数据证明改进离散ABC算法在整个迭代过程中种群分布较广,空间搜索能力很强,一直维持一个比较高的种群多样性。