随着市场经济的突飞猛进与现代物流技术的发展,物流配送环节正受到日益广泛的关注,而配送中的物流配送路径问题成为了物流配送中的核心问题。本文正是在这一背景下产生,文章重点研究了物流配送路径优化模型的建立和粒子群算法的改进问题。本文对物流配送路径问题进行了深入研究,通过对多种不同目标的物流配送模型研究,分析总结模型建立的一般步骤,并建立了基于最短路径的多个车场多个车辆的物流配送模型,同时从控制车辆行驶里程角度考虑,对车辆服务客户数量加以限制,加入了新的约束条件。同时为了对模型进行计算,分析对比多种算法,最后选择粒子群算法做为研究对象。通过对传统粒子群算法缺点的研究,设计了一种自适应变异的粒子群优化算法。文章通过对现有一些改进方法的分析研究,对传统算法进行了优化,引入模糊分类、自适应变异机制、加入新的变异概率和可调节适应度方差,以达到对当前粒子进行自适应调整的目的,从而避免早熟收敛,形成新的自适应变异的粒子群优化算法。同时本文给出一种编码模式,降低了出现不可行解的概率。最后通过MatLab2011a平台对所做内容进行仿真实验,验证相应结论,仿真内容分别为用文章建立的多车场多车辆模型验证优化算法的可行性和优越性,用前文给出的基于最短路径最少车辆和基于顾客满意度的两个模型验证基于不同目标前提下的配送模型所得物流配送方案不同。仿真获得两个结论,分别为本算法在求解此类问题时具有优于传统粒子群算法的特征,既保持了较好的全局搜索能力,又可有效避免算法早熟收敛；基于不同最优配送目标的物流配送模型,所得物流配送方案具有差异性。