随着交通拥堵现象的日益严重,我国大部分物流企业存在运输路线及排程不合理、现代化信息技术匮乏等问题,需要在引入交通流、时间窗等相关因素全面优化调度规划模型的同时,运用现代化信息技术等构建高效、智能的服务平台。本文以物流配送车辆的调度问题为研究对象,以交通流预测、车辆调度为主要研究模型,设计并实现了调度平台的雏形。主要研究内容包括:(1)交通流预测的建模与验证。提出了一种新的变概率自适应遗传反向传播神经网络算法,该算法在准确定义遗传多样性函数的基础上,结合适应度函数拟合自适应调节的交叉变异策略,并引入精英选择策略在全局范围内寻找最优解,无论在交通流量预测还是标准测试函数下,相对于其他算法,其在全局寻优性能、收敛精度和速度上均有较为明显的优势。(2)车辆调度模型及算法的优化与验证。针对时变环境、带时间窗、限制车辆容量等约束条件,提出了一种适用型整数规划模型和改进型最大最小蚁群算法。以Solomon测试集对算法性能进行测试,仿真结果表明,改进型最大最小蚁群算法具有较高的求解精度和收敛速度,适用型模型及算法实用、有效地优化了物流配送车辆的调度问题。(3)物流配送车辆调度平台的设计与实现。为了将上述算法更为便捷、智能地应用到实际调度中,首先对调度平台的整体方案进行分析与设计,提出平台设计的总体目标,并根据与调度平台产生交互的外部系统和角色进行用例分析,提炼出核心功能需求。其次,对主要流程和数据库进行了详细设计,并实现了部分主要功能。