粒子群算法是典型的群智能算法,由于算法的高效性和易实现性成为了研究热点。目前粒子群算法已经被广泛应用到函数优化和工程技术领域,并取得了诸多成果。但是,粒子群算法的研究还处于初级阶段,算法本身存在一些不足之处。旅行商问题是一种经典的、受到广泛关注的组合优化问题。迄今为止,旅行商问题已经有多种不同的求解方法被提出。粒子群算法也被尝试解决旅行商问题,并取得了一定成果。然而,算法在求解质量上仍然存在一些不足。因此,如何对算法加以改进使其具有更好的性能具有重要的意义。本文在研究目前已经取得的成果基础上,对粒子群优化算法及其在旅行商售货问题中的应用进行了研究,并基于旅行商问题模型的快递员配送路径实际问题进行了系统设计。主要工作如下:(1)针对粒子群算法由于多样性差而导致的算法搜索效率低、稳定性差的缺点,提出了一种拥有双层多群间协调机制的粒子群优化算法(DC-PSO)。该算法包含多个下层工作粒子群及上层决策粒子群,下层粒子群进行最优粒子信息采集和迭代计算,上层粒子群处理信息和反馈决策信息,双层粒子群联合工作。同时采用指数函数递增分布的加速度因子控制各粒子群间的耦合性,从而改善了粒子群后期搜索效率低、稳定性差的状况。仿真实验结果验证了 DC-PSO算法的优越性。(2)利用双层协调多粒子群优化算法在求解最优化问题上效率高的优势,提出了一种利用DC-PSO算法解决旅行商问题的离散优化方法。首先,将算法中的粒子位置、速度和适应度在旅行商售货问题中对应表示。其次,引入交换子和交换序的概念,对双层协调多粒子群优化算法进行改造,使算法应用在旅行商问题中。为了验证所提出方法的有效性和高效性,进行了离散优化方法与随机方法的对比仿真实验,结果验证了离散的DC-PSO算法求解TSP问题的可行性和优越性。(3)针对物流末端配送存在配送路径效率低的实际生产问题,利用离散的双层协调多粒子群算法解决路径优化问题上的优势,设计了一个快递员配送路径推荐原型系统。首先,对快递配送的实际生产情况进行需求分析。然后,根据需求分析结果进行了系统分析与设计。