车辆路径规划问题是运输组合优化中的核心问题，广泛应用于物流配送等领域。近年来，随着人们对生活品质要求的提高，大家越来越关注如何将生鲜产品在规定时间内运输到指定地点且保持品质。因此，研究冷链物流配送问题成为现实需要。相比传统车辆路径规划问题，冷链物流配送问题不仅要考虑车辆行驶总路程，还要顾及生鲜产品在运输过程中要保证质量，送货时间要在客户规定的范围内等现实痛点，有着模型更复杂，数据更多变等特点。本课题针对当前冷链物流配送实际情况，建立了相应的数学模型，提出了一种基于蚁群框架的改进型蚁群算法开展实验研究。　　在本文建立的冷链物流配送模型中，当产品的交付时间超过给定的时间窗时，客户的惩罚成本才会产生，这既是服务质量的反映，也是对生鲜产品质量的反映。然而，在满足客户交货时间要求的情况下，很难兼顾具有最短长度的车辆路径，因此本文将该问题建模构造为约束优化问题，以总成本最小为目标，成本由四部分组成：车辆固定成本、运输成本、顾客惩罚成本和货损成本，间接反映运输过程中的基本运营费用、总路线长度和客户满意度。为了解决这一问题，提出了基于蚁群框架的改进型蚁群算法，该算法在信息素更新、路径选择、计算初始解方面做了相应的改变，有效的改进了原本蚁群框架中容易陷入局部最优以及初始解计算速度不快的问题，同时更好的体现了蚁群算法的正反馈属性。实验方面，本文对相关参数进行了讨论，主要是通过控制变量法确定了信息素启发式因子、期望值启发式因子以及信息素挥发系数这三个重要参数的取值；将改进前后的蚁群算法进行纵向对比表明本文改进策略的正确性和可行性；将改进后的蚁群算法与遗传算法进行横向对比，表明本文对蚁群算法的改进策略合适用来求解冷链物流配送路径规划问题，且相对于遗传算法有较强的竞争力。　　同时为了更好的展现本文成果，设计了一款冷链物流配送系统，该系统有良好交互界面，能够很好的展现蚁群算法在该问题上的实现效果，包括最终的路径分配结果和所需成本，以及相关成本占比图和迭代图。