物流产业是现代经济发展的基础性支柱产业,尤其在互联网时代,物流水平成为企业获取竞争优势的重要能力。但我国高企的物流运输成本阻碍着物品大规模、大范围和高效率的流通。2013年我国社会物流总额197.8万亿元,全年社会物流总费用10.2万亿元,社会物流总费用与GDP的比率为18%。这使得物流水平的提升成为企业界和学术界的重要课题。基于物流的运作方式,学术界提出了车辆路径问题(VRP)及其衍伸问题——带时间窗的车辆路径问题(VRPTW).本文着重研究带时间窗的车辆路径问题,VRPTW现已被证明为NP-hard问题,当问题规模较大时,很难在有限时间内得到问题的精确解,因此研究的重点是如何在有限时间内,得到一个相对满意的解。启发式算法是当前解决大规模VRPTW问题的有效研究方向,本文的蚁群算法即属此类。蚁群算法是基于真实蚂蚁觅食行为的启发式仿生算法,在求解组合优化问题具有良好的鲁棒性。本文提出了一种基于MMAS的改进蚁群算法,该算法充分挖掘现有数据,从状态转移概率,信息素更新等方面对MMAS进行改进,在求解速度和解的质量上取得了较好的平衡。使用均匀设计对参数组合进行了优化,通过对Solomon基准数据的计算,验证了该算法的有效性及可行性,为下一步与其它局部搜索算法结合奠定了良好的基础。