随着社会的进步,物流产业在国内外得到了飞速的发展,物流进入并极大的改变着我们的生活。带时间窗的关联物流运输调度问题(Incident Vehicle Routing Problem, IVRP)研究需求、时间等具有关联关系的带时间窗的物流运输调度问题,广泛应用于生产与流通等经济活动中,属于NP-难题。本文采用改进的混沌粒子群算法,求解带硬时间窗,软时间窗和模糊时间窗的关联物流调度问题。本论文完成的主要工作有：1.介绍了混沌粒子群算法的基本原理及算法流程。采用自适应的惯性权重因子方法改进了混沌粒子群算法,建立基本物流运输调度的数学模型,完成了仿真实验分析。2.研究了带硬时间窗的关联物流运输调度问题,建立了数学模型。采用改进的自适应惯性权重因子的方法来对混沌粒子群算法进行优化,提高了算法的精度和效率。通过与遗传算法和标准粒子群算法进行对比仿真实验证明,这种改进的混沌粒子群优化算法能准确高效的求解此类问题的数学模型。3.研究了带软时间窗的关联物流运输调度问题,建立了数学模型。采用了Logistic函数优化方法来改进混沌粒子群算法,同样与遗传和标准粒子群算法进行对比分析,此种改进的混沌粒子群算法能有效提高粒子群中粒子的全局搜索及局部搜索的能力,在解决此类问题上是行之有效的。4.重点研究了带模糊时间窗的关联物流问题。模糊时间窗在数学模型的构建上较为复杂,文章提出双目标函数的方法,建立此类问题的数学模型。在求解的过程中,针对双目标函数的特点,采用了分阶段的方法,即第一阶段用混沌粒子群优化算法来对以最低成本为目标函数的模型进行求解,得出初步最优解。然后第二阶段采用了模拟退火算法使用第一阶段的初步最优解对以用户服务满意度为目标函数的数学模型进行求解。