近年来,智能物流已然成为一个较为热门的话题。随着我国经济整体水平的急速发展和网络时代下国民消费模式的悄然转变,物流行业的需求量显著提高,现代物流技术正迫切向着更加便捷智能的方向发展。为满足不断扩张的需求,以及有效控制不断增长的物流成本,智能物流应运而生。其中,物流配送作为智能物流体系中最为重要的一个环节,在物流运作的过程中起着支撑性的作用。然而,在智能物流的成本构成中,物流配送也占据着相当大的比重,如何降低物流成本,完善智能物流体系,愈发受到广泛的关注。因此,路径优化问题作为物流配送问题重要的研究和解决手段,成为当今智能物流研究的焦点。本文即围绕着智能物流中的路径优化这一热门问题,展开了相关的研究。本文介绍了国内外对于物流配送路径优化问题的研究现状,以及相关求解算法的发展和研究情况。对于物流配送问题进行了较为详细的描述,并列举了常见的数学模型建立,同时介绍路径优化问题相关的基本算法及其分类。其中,对免疫算法与粒子群算法的原理做了较为详细的研究,并总结出这两种算法各自的优点和缺点。结合粒子群算法的全局寻优能力、正反馈性和免疫算法全局收敛性、抗体多样性等优点,提出了一种新的求解算法,即免疫粒子群算法。该算法将免疫算法所具有的免疫处理机制引入到一般的粒子群算法中,使粒子群算法在出现早熟收敛的现象时,能够及时摆脱局部最优解,从而到解空间中的其它位置继续进行搜寻,直到找到全局最优解,这种机制的引入有效地提高了算法在运行后期的收敛速度以及求解精度。分别建立带有时间窗限制的装卸一体化物流配送问题模型和多配送中心物流配送问题模型,并确定模型的约束条件,利用免疫粒子群算法对该问题模型进行最优路径的求解,利用计算机编程实现算法。通过实验,比较免疫粒子群算法与其他几种求解算法在两个模型的求解上的差异,证明免疫粒子群算法在解决不同类型的路径优化问题上的可行性、稳定性和高效性。