物流作为“第三利润源泉”,受到企业越来越多的重视,日益成为国民经济的基础产业。配送是物流中的重要环节,约占物流成本的60%以上。容量约束车辆路径问题是配送系统中的核心问题,主要研究物流配送中车辆路线的优化,从而降低运营商的配送成本,实现物流科学化。该问题属于NP-难问题,求解难度较大,蚁群优化算法是一种基于种群寻优的启发式搜索算法,其搜索速度比较快,具有很高的搜索效率,但存在陷入局部最优的缺点,因此提出混合蚁群算法来解决容量约束车辆路径问题。本文所做的工作主要包括以下几个方面：(1)分别对蚁群优化算法以及粒子群优化算法进行系统的介绍,在此基础上对蚁群优化算法以及粒子群优化算法分别分析各自的优缺点。(2)设计混合蚁群算法,该混合算法结合了蚁群优化算法的全局搜索能力以及粒子群优化算法的局部寻优能力,避免了蚁群优化算法易产生早熟收敛和局部寻优能力较差等缺陷。该混合算法的思想是先利用蚁群优化算法遍历节点找出初始解,然后由粒子群优化算法进行解的更新,从而找出更优解。(3)建立带有容量约束的车辆路径问题的数学模型,利用混合蚁群算法来求解带有容量约束的车辆路径问题,并采用标准数据集进行对比实验,验证了算法的优越性。上述研究在理论上对于蚁群优化算法与粒子群优化算法的发展具有积极的推动作用,为两种算法的融合提供了一种新思路,在实践上,有效地求解了大规模容量约束车辆路径问题。因此具有重要的理论意义和实用价值。