物质配送在物流活动过程中充当着十分重要的角色,是与消费者直接相关联的重要环节。然而,配送成本在物流总成本中占着很高的比重。如何采用更科学、合理的配送方法逐渐成为学者们关注的问题,在努力缩减运输成本、缩短配送时间等方面做出了大量的探索和研究,且能源配送问题是物流配送问题中的一种。基于此,各种智能优化算法纷纷涌现,如遗传算法、蚁群算法、人工蜂群算法、模拟退火算法、人工鱼群算法等。这些算法的出现为能源配送问题的解决提供了新的思路、方法和工具,但是能源配送问题本身比较复杂和特殊,属于NP-hard(非确定性多项式)问题。仅仅用基本的智能算法来求解往往找不到满意的最优解,所以这些基本的仿生智能算法需要不断的改进和创新。论文利用改进的人工鱼群算法来求解某煤炭公司的能源配送问题,由于人工鱼群算法本身的局限性,如前期收敛过快导致难以搜寻到最优区域,后期收敛不稳定导致结果不够精准等。针对这些不足之处,论文在认真研究基本人工鱼群算法的基础上,对该算法做了两个方面的改进和创新。首先,引入虚拟人工鱼的概念对基本人工鱼算法鱼群的行为做了改进,用以扩大人工鱼群的搜寻范围,提高算法在前期对最优区域全局搜索的精度。其次,引入衰减因子并且与模拟退火算法相结合,使得该算法后期的局部寻优结果更优。此外又将模拟退火算法作了改进,引入二次交换的思想,以充分发挥混合算法的优势来弥补人工鱼群算法后期收敛精度不高的不足；同时将人工鱼群算法与遗传算法相结合,提出了一种新的混合算法。最后将各混合算法的寻优性能进行了仿真比较。能源配送问题比较复杂,为使得寻优结果更优,所以论文将问题分为两步来解决。第一步,装车方案的选择;第二步,配送路径的寻找,并对其分别进行建模。最后编码后进行仿真实验,将得出的结果和基本算法加以比较。通过对结果的对比、分析,得出改进后的人工鱼群算法和改进的混合人工鱼群算法在解决能源配送问题上比基本人工鱼群算法更具优势。