Marco Dorigo于1991年所提出的蚁群算法(Ant Algorithm),是利用蚂蚁寻找食物时在路径上残留的信息素(pheromone)浓度,进而寻找出最短路径。蚁群算法虽为启发式解法,但因其具有多点搜寻、快速收敛的特性,因此有学者尝试利用蚁群算法求解车辆路径优化问题,且进而验证其求解结果普遍较优于一般的启发式求解算法。在实际应用中,车辆路径优化问题所要达到的目标,除考虑最小成本外,还需要考虑提升服务质量、服务容许时间等其他目标,因此,考虑客户要求货品送达时间窗限制的有时间窗车辆路径问题(VRPTW;Vehicle Routing Problem with Time Window)比单纯的车辆路径问题实用性更强。在以往VRPTW的相关研究中,时间变量(车辆运送时间、时间窗)通常被视为一个确定值,但在实际问题上,时间变量却往往具有变动且不明确的特性(交通信号、路况拥堵程度),所以,本研究运用模糊理论(fuzzy theory),结合蚁群算法,对有时间窗车辆路径问题转化为模糊模式,来求得最佳的派车路线。本研究选择与VRPTW相似性较高的配送产业作为研究对象,以该企业的派车相关数据(营业所位置、配送范围、车容量)为依据,并考虑顾客的需求信息(客户数、客户位置、需求量、时间窗)。研究结果表明,配送产业将服务水平值设定在70%到90%间,将会获得较佳的求解结果。此外路况分析及时间窗宽窄度,对整体路线规划的结果有很大影响。