蚁群算法是通过研究自然界蚂蚁觅食行为而形成的一种新兴群智能算法,具有正反馈机制、并行计算、易于与其他算法相结合等特点。从提出后引起国内外学者的密切关注,并被迅速应用于求解许多组合优化问题且取得较好效果,但由于蚁群算法采用随机选择策略、信息素更新、正反馈机制强化当前最优解等操作来逐步逼近问题全局最优解,导致算法搜索时间长,且极易陷入局部最优并产生停滞现象。为了在保证解质量的前提下提高收敛速度,本文首先对蚁群算法的研究现状和应用、基本原理、数学模型及参数设置等进行总结概述,具体分析了蚁群算法典型代表AS和ACS算法产生缺陷的原因,针对收敛速度慢、易早熟等不足,从信息素初始化、信息素更新和启发因子三方面进行改进,提出一种基于信息素初始化多样性、动态加权更新和启发因子动态增强策略的新的改进蚁群算法(DDS-ACS)。根据车辆路径和物流运输问题的自身特征,对本文改进蚁群算法在选择策略和初始点选取等方面作进一步优化,并将其应用于求解TSP、VRP问题及物流运输问题,通过多个典型TSP、VRP及物流运输实例仿真对比分析,表明本文DDS-ACS算法较AS、ACS及文献中的改进蚁群算法在收敛速度方面有较大提高,在解质量方面有更强的全局搜索能力,体现了本文DDS-ACS算法的优越性,一定程度上证明了本文DDS-ACS算法具有较好的可行性和有效性。