运输优化问题涉及面广,种类繁多,精确求解难度高,难有统一的方法求解。但由于问题原型多数属于大型生产问题,解的精确性微小差异可能会带来巨大的经济,人力,物力等资源的耗费,能够在可接受的时间范围内找到满意解,无论是从理论上或是工作中都是显得很有必要。本文结合常见启发式算法特点,应用到运输优化问题的大量实例,选取出三种相对成熟的算法：遗传算法、模拟退火算法、蚁群算法,以运输优化模型特点为依托,做出收敛性比较,合理拓展的理论基础的验证,并在此基础上提出了关于启发式算法“高效性”的个人观点,以及算法性能指标的确定。文章最后结合多种模型,以“高效性”原则为指导,以实验结果为依据,基本证实启发式算法能够有效的应用到大型运输优化问题中,在快速合理的前提下给出较为满意的结果。本论文所做原创性工作如下：借助三种常用启发式算法收敛性条件分析,提出“存优策略”和与经典算法结合的合理思路,甚至是对启发式算法合理的使用优化条件的可行性做出分析。设计出带有宽度约束的船闸优化模型,提出驼峰三级减速的优化模型的建模思想,对于经典问题Hamilton问题(以及TSP问题)做出了相应的研究工作,并结合启发式算法研究成果,做出了算法分析。提出启发式算法“高效性”的基本原则,在以往追求算法适用性强的观点,做出合理补充。定义了启发式算法性能指标,重点研究与经典算法不同的收敛精度相关性能指标的确定,及合理性的分析。本论文是在前人的辛勤汗水工作基础上,结合自身所学以及擅长,大胆设想小心求证,对启发式算法以往对比只从实验结果比较的现实情况做出了突破,从比较新颖的观点多启发式算法做出比较与分析。