路径规划在物流行业中起着关键作用,考虑到交通拥堵问题愈发突出,车辆在拥堵时行驶速度明显降低,增加了车辆配送时间,降低了企业配送效率。因此需要在配送中考虑拥堵对配送车辆行驶速度造成的改变,以及车辆在拥堵路段的行驶时间较长时,采用路径距离虽然较长但实际行驶时间较短的替代路径。在传统车辆路径问题中并没有考虑拥堵以及路径可替换的灵活性,车辆行驶速度随着不同时间段内不同路段的拥堵程度而变化,在交通拥堵大背景下,研究交通拥堵下物流配送路径规划问题,具有一定的研究意义。在研究交通拥堵下物流配送路径规划问题中,提出了车辆在拥堵路段行驶时间的转化方法,并建立拥堵下的车辆路径模型。本文基于蚁群算法,对算法中节点间的转移设定新的转移规则,引入控制首节点的选择方式,提出确定性选取和概率性选取相结合的选择方式加快算法收敛速度,结合禁忌搜索的思想,加强蚁群算法局部搜索能力,改变蚁群算法陷入局部最优的弊端,考虑蚁群算法前期信息素对算法的引导能力较弱,结合遗传算法更新信息素,加快蚁群算法中信息素的正向反馈,规划出车辆行驶路径。最后通过北京市企业案例,为企业规划配送路径,使配送中心可以完成分布在配送网络中客户的配送任务,在考虑到拥堵对配送的影响时,算法可以很好地为企业推荐合适的配送车辆,并完成配送任务,优化后的方案在拥堵路段的替代路径距离虽然较长但实际行驶时间较短时,很好地选用替代路径,减少配送时间;在拥堵路段的替代路径距离较长且行驶时间较长时,依然继续使用当前拥堵路段,尽管推荐的线路增加配送车辆行驶距离,但是配送时间明显缩减,减少了在一些路段因拥堵等待耗费的时间,提高配送中心的配送效率。由此可见,所提研究方案在交通拥堵状态下车辆路径的选取是可行的,可以为企业的配送提供一定的参考价值。