车辆路径问题是一个经典的组合优化研究课题，多年来已获得了广泛而深入的研究，也取得了众多的成果。近几年来，随着智能优化算法的兴起，这个问题再次受到了学者们的关注。本文主要讨论了两种群体智能优化算法求解车辆路径问题，并且分别给出了有效的改进算法。针对车辆路径问题，给出了一种适用的蚁群优化算法求解方案，主要通过编码方式、路径的分割与组合及适应度函数的设定等完成问题的求解。通过分析基本蚁群算法在求解车辆路径问题时存在的不足，引入一种适用于自然数编码的变异策略——反转算子，以保证种群多样性，提高算法的寻优性能。实验结果表明这两种算法都能完成基本车辆路径问题的求解，通过分析数据可以发现，改进算法中的反转算子发挥了其应有的作用。进一步，本文分析生物地理学优化算法的寻优机制，提出了一种混合算法。该混合算法利用概率形式融合了基本蚁群算法的信息素更新策略与生物地理学算法的迁移策略，充分协调算法在个体内部与个体之间的搜索能力，前者通过迁移策略思想使种群个体的信息达到高度共享完成’横向搜索’，后者通过信息素的迭代实现’纵向搜索’的能力。并在此基础上，给出自适应参数策略，以确保两种机制在混合算法中协调发挥搜索能力。通过对标准车辆路径问题和实际的超市商品分布仿真试验，结果表明该算法是有效的。在对本文提出的混合算法进行详细的分析后，提出一种可求解连续实数问题的混合差分算法。该算法首先通过迁移算子互通种群信息达到生物地理优化算法与差分算法的协同搜索，并给出自适应参数策略与pbest变异策略。利用混合差分算法求解鲁棒最优控制器设计问题，结果表明该算法有效、稳定，达到了快速寻优与高精度解的目的。