国内市场经济和科技的快速发展,使得人们的生活水平不断提高。但同时随着工作和生活方式的转变,人们对生活必需品的需求开始多样化。随着人们对农产品需求的多样化,产品从产地到终端客户的时间越来越短,传统的大批量、少批次的物流配送模式已经不能适应复杂多变的物流配送需求。同时区域经济一体化、客户需求动态化和多样化等因素,使得物流配送发生了根本性变化,物流配送开始向小批量、多批次方向发展,同时配送区域和客户需求的变化使得企业配送区域更加模糊,区域间交叉配送和联合配送现象日趋频繁。如何在全国范围内甚至是全球范围内满足客户的需求且保证质量但是同时降低成本,是目前农产品销售和配送的主要研究方向。因此,本文针对农产品在配送过程中呈现的小批量、多批次发展趋势,综合考虑区域内多个物流公司、多个配送中心以及低车辆装载率等问题,引入联合配送策略。建立了基于联合配送的多车型多配送中心的农产品车辆路径优化模型。并根据模型的独特性设计了一种改进后的人工蜂群算法进行求解。最后通过算例验证。论文的主要研究内容如下:首先,基于联合配送模式下的多车型多配送中心的车辆路径问题所涉及的相关理论,本文分析了农产品物流配送的研究现状,提出了论文的研究思路和研究内容。在此基础上,对多车型、多配送中心、联合配送等相关的车辆路径问题的相关概念和研究成果进行介绍,为后续研究提供理论依据。其次,建立了基于联合配送的农产品多车型多配送中心车辆路径优化模型。建模之前,通过客户对配送服务时间和对时间容忍程度的要求,将客户满意度与时间惩罚成本结合,使得客户满意度量化为成本,便于企业的分析;同时,将联合配送的范围进一步扩大,由之前的同一企业多配送中心之间的联合配送扩展为不同企业之间多配送中心的联合配送。综合考虑农产品联合配送各项成本的构成因素,特别是给出了不同企业之间联合配送的联合配送成本的计算公式,建立了联合配送成本函数。在以上研究的基础上,建立了考虑联合配送的共享成本、货损成本等总配送成本最小,装载率最高为目标的基于联合配送的多车型多配送中心的车辆路径优化模型。然后,在分析了常见车辆路径问题求解算法的基础上,通过对比考虑各算法的优缺点和本文模型的特点,选择了具有控制参数少、求解精度高、搜索性能强等优点,且对目标函数和约束条件几乎没有要求的人工蜂群算法。并针对算法在求解车辆路径问题的不足和本文中模型的需要,引入了编解码、评价函数、反向学习等改进策略,提出了能有效求解本文模型的改进人工蜂群算法。最后,利用MATLAB编程语言对本文所构建的模型和设计的求解算法进行了算法验证,求得了成本最小的最优车辆路径方案。并通过对比分析,验证了模型和改进的人工蜂群算法的有效性和可行性。