车辆路径问题(VRP)是物流中经常遇到的优化问题之一。它的目的是尽量减少在运输过程中运行的车辆及运输成本。在现实中的车辆一般能装的货有限,CVRP就是在VRP的基础上增加了这个限制条件,即运输车辆的装载量不能超过车辆的最大容积或体积限制。本课题在研究了各种算法的基础上选择了使用最大最小蚁群算法(MMAS)来求解CVRP问题。但是MMAS经过大量学者的研究和试验,一般会遇到收敛速度慢、求得的解与最优解偏差大的缺点,本文提出了一种改善式最大最小蚁群算法。算法改进有以下方面:在计算两点之间的距离时,使用GIS技术,得到的距离数据更精确;同一地点的货物数量大于一车容量时,优先进行整车配送;车辆增加最小容量限制;选择概率增加货物数量作为参数。使用TSPLIB作为标准的实验数据,对比了几种算法以及本文改进的算法在不同数量的客户数上与最优解的结果进行对比,并且在系统实际运行中使用了改进后的算法来进行集拼并和原来的集拼结果进行对比,验证了该算法的先进性及实用性。本课题研究的算法应用于实际的物流配送系统,该系统结合GIS技术。通过超图提供的地点经纬度查询及两点之间的线路距离作为规划的基础,在超图上展示各配送点的经纬度,为路径规划提供必要的基础信息数据。通过GPS等技术,跟踪车辆实时位置,并在超图地图上显示车辆实际路径。跟踪设备有基于Android及IOS的直通宝,也有专业定位的G7(智慧物联网公司产品)。系统实现的设计充分利用超图服务:如获取地点经纬度,获取两点之间里程等。正确的基础数据将给算法带来有效支撑。并且可以清楚地观察优化的分配路线的信息和交货单的交付的实际进度,车辆的瞬时位置等,使配送调度人员能够有效掌控配送进度,也减少了调度人员的工作量。