伴随着国内经济走向繁荣,物流需求的规模也随之不断扩大,运输能力面临着挑战。现阶段,我国物流行业还存在车主与货主之间的供求信息不流通、车辆运力闲置、返程空驶等问题,导致货运成本居高不下。然而,互联网尤其是移动互联网的兴起为提高运输效率带来了新的机遇。其中一个新的机遇是车货匹配,通过货运物流平台的信息共享和合理车货资源调配,能显著改善物流运输效率、减少运输费用。但是,目前货运物流平台较少涉及自动建立车辆与货物之间的匹配关系,实现车辆的高利用率,因此本文研究了一种智能化的车辆与货物匹配方法,并将匹配结果推荐给相应的货主和车主。本文首先对车货匹配进行建模,选择装载率、空驶率、时间等因素作为匹配的度量指标,这些指标客观、易于获取,有效避免了新进入市场车辆由于缺乏信誉等历史指标而导致难以推荐的困境。然后,提出了一种基于参数自适应调整的改进蚁群算法,算法前期采用改进的k-means对车货匹配方案进行聚类来判断每一代蚁群的状态,并相应地对参数进行调整,使其快速缩小寻优范围;在算法后期,根据混沌理论对参数进行调整,防止算法陷入局部最优。最后,通过多次实验计算,证实了本文提出的自适应参数蚁群算法在稳定性、准确性等方面均优于基本蚁群算法。结果表明,该算法能够从大量的车辆和货物资源中快速提供车辆和货物匹配,进而提升整体运作效率,合理配置物流运力资源。