现今,物流已被公认是企业在减少物质消耗、提高劳动生产率以外创造更大利润的第三个重要源泉,也是企业降低生产经营成本,提高产品市场竞争力的一条重要途径。相关数据统计表明,现代物流成本约占企业经营总成本的30%到50%。物流配送是物流系统中的重要一环,它是企业给顾客提供服务的最后一环,地位十分突出,其中尤以车辆路径问题对配送环节影响甚大。目前我国的物流配送系统十分落后,车辆空载行驶严重,配送成本过高,服务质量却不尽如人意。因此,研究如何运用科学方法求解车辆路径问题,以便合理组织车辆配送路径,这对提高企业的服务质量、减少库存、降低经营成本、提高产品市场竞争力是十分必要的。现代智能优化算法包括禁忌搜索算法、模拟退火算法、遗传算法、蚁群算法、神经网络算法等,这些算法的存在为配送车辆路径问题的求解提供了广阔的思路和选择。这些算法中禁忌搜索算法、模拟退火算法、遗传算法在求解配送车辆路径优化问题中的应用刚兴起没多久,目前虽然已获得不少研究成果,其潜力还有待进一步挖掘。蚁群算法全局搜索性能较好,但其搜索效率较低,局部搜索能力不强,反观禁忌搜索算法则刚好相反,但是单独应用禁忌搜索算法求解时,其对初解有较强的依赖性。因此有必要设法提出一种新的混合智能优化算法,使其取长补短,获得更优的求解效果。本文基于以上思想提出了一种新的混合智能优化算法,对无时限单向配送车辆路径问题进行了研究,以求解企业物流配送车辆最短路径实例,实现将物流配送车辆路径优化问题转化为带约束的混合智能优化算法求解的问题。本文通过灵活采用通用编码策略,得到了基于改进蚁群算法的串联式混合智能优化算法,最后通过实验仿真证明了新的混合算法具有方便、快速、高效的特点,实验得到的数据结果显示新的混合算法比单一算法效果更优。以上是本文的难点和创新点。当前物流在现代企业中占有举足轻重的地位,企业的竞争已演变成企业物流间的竞争,采用本文算法可以快速有效获得物流配送车辆最短路径,实现物流配送效益最大化,因此本文具有重要的理论研究意义以及对现实应用中车辆路径问题的解决具有很大的应用价值。