物流产业是现代社会化大生产和专业化分工不断加深的产物，随着我国经济的增长和服务业的快速发展，物流行业不仅影响着社会的发展和人民生活水平的提高，而且也是衡量一个国家现代化程度和国际竞争力的重要标志之一。物流配送作为物流系统的核心功能，配送质量完成的好坏直接影响到企业物流成本以及客户对物流服务的满意程度，在配送功能中，车辆配送路线的合理优化对整个物流的运输速度、成本、效益影响至关重要。由于车辆路径问题（Vehicle Routing Problem，VRP）是一个NP问题，并且该问题存在众多约束条件，特别是引入了时间窗和多车场这两个因素，使得问题的求解更加困难，因此，如何能够快速、高效地找到问题的最优解成为当前研究的重点。本文主要围绕带容量约束的车辆路径问题（Capacitated Vehicle Routing Problem,CVRP）、带时间窗的车辆路径问题（Vehicle Routing Problem with time windows,VRPTW）和带时间窗的多车场车辆路径问题（Multiple Depot Vehicle Routing With Time Windows，MDVRPTW）这三种主流的车辆路径优化问题进行研究。　　分析了车辆路径问题的现状、发展趋势，研究了车辆路径问题的解决方法，重点研究并改进了模拟退火和蚁群算法来解决VRP问题。针对模拟退火算法求解精度低且求解时间长以及蚁群算法易陷入局部最优，提出了改进的模拟退火算法和改进的蚁群算法，分别改进了模拟退火算法中的降温方式、参数设置、解空间以及蚁群算法中的选择概率、全局信息素更新方式、信息素挥发因子、信息素浓度更新方式以及各参数的设置，对改进后的算法分别进行仿真分析可知：改进后的算法不仅在时间上和准确度上都有很大的提升，而且算法能够较快收敛，能够有效避免算法陷入局部最优。　　提出了一种基于蚁群算法为主体的模拟退火-蚁群组合算法并用于解决物流配送中的车辆路径优化问题。为了验证组合算法的可行性、高效性以及准确性，以文献算例和VRP权威网站上的CVRP算例作为数据来源进行仿真分析可知：组合算法对不同规模的CVRP算例求解精度很高，且寻找最优值的时间也有较大的提升，改进的组合算法不仅具有很好的寻优能力，而且在准确度和运行时间方面较传统方法都有较大提升。接着，采用组合算法对Solomon设计的部分VRPTW测试案例进行仿真分析，将仿真结果与VRP权威网站数据进行对比分析，组合算法所求得的最优解均达到了权威网站历史最优值。最后，采用组合算法进行实例分析，为T公司的物流配送设计合理的最优配送方案。　　深入研究了MDVRPTW问题，提出一种将车场位置优化与路径优化相结合的思想解决MDVRPTW问题。先对配送中心选址进行优化，然后采用分解法将MDVRPTW转化为多个VRPTW问题，接着采用组合算法对每个VRPTW求解，最后将每个VRPTW的解合并即为MDVRPTW的解。通过实验仿真，将优化车场位置后的MDVRPTW求解结果与车场位置固定的MDVRPTW求解结果进行对比分析，对配送中心位置进行优化后比优化前的最短配送距离准确度上提升了2.6%左右。　　研究了VRP问题的优化方法，提出了改进的模拟退火算法和改进的蚁群算法，并提出了一种基于蚁群算法为主体的模拟退火-蚁群组合算法，采用模拟退火-蚁群组合算法求解了CVRP、VRPTW、MDVRPTW这三类问题，通过实验仿真可知，组合算法在时间上和准确度上都有很大的提升，在求解车辆路径优化问题上具有较好的应用价值。