与传统车辆调度问题相比,密集型物流联盟车辆调度问题是一类新兴且更为复杂的现实问题,本文在深入研究了车辆调度模型和群智能理论的基础上,提出一种新的改进蚁群算法对其进行优化求解。群智能算法作为一种启发式搜索算法,大量实验结果表明,它在面对许多NP-Hard问题和组合优化问题,特别是问题规模较大、复杂度较高时,会表现出较好的求解能力。因此,它吸引了众多专家和学者对其进行不断的研究、改进和优化,并正在经历着一个不断发展完善的过程。作为群智能算法代表的蚁群算法是一种模拟进化算法,具有很好的通用性和鲁棒性,但它存在计算时间较长、容易陷入局部最优等问题。为了改进蚁群算法,本文研究了基于粗粒度模型的并行蚁群算法,引入粒子群优化算法中粒子特性和遗传算法中的交叉变异机制,提出了具有粒子群特征的优化并行蚁群算法。此外,本文完成了密集型物流联盟信息平台的架构设计和其中车辆调度功能模块的系统实现。在相同环境下,应用本文算法和其它算法对联盟车辆调度问题进行仿真实验,并对结果进行横向比较,本文算法在减少计算时间和避免早熟现象都取得了更好的效果。