近年来,随着网购的兴起,电子商务和快递物流产业得到了迅猛的发展,而“最后一公里”作为物流配送末端环节,是一个通过快递员将快递件从配送站派送到客户手中的过程,其效率的瓶颈关键在于快递员调度的合理性。在实际场景中,庞大快递量的配送往往需要多名快递员协助完成,对快递员们的不合理调度会造成快递员之间配送路程的不均衡现象,这种现象直接导致客户之间等待时间和快递员之间工作量的差距过大,既影响了客户对企业服务的好感度,又造成了人力资源的不充分利用。基于上述场景分析,本文在研究如何合理调度快递员去提高物流配送效率这一实际工程问题上,要求在最小化快递员们配送总路程的基础上,也要考虑快递员之间配送路程的均衡性。本文将上述快递员调度问题抽象成基于多目标优化的多旅行商问题进行解决,其难点主要在于:其一,旅行商问题是典型的NP-hard问题,作为其扩展问题,多旅行商问题的研究难度又有所增加,在此基础上,与多目标优化问题的结合更是让问题难度提升了一个层次;其二,目前解决上述问题模型的相关研究极少,常用的启发式搜索算法由于其启发式信息不涉及路程的均衡性,无法很好地解决问题模型。本文通过蚁群算法的大量实验对上述难点进行验证分析,并为蚁群算法更好地解决问题模型提供改进方向。本文提出一种新颖的蚁群算法——回跳重组蚁群算法,去更好地解决快递员调度问题。该算法的改进点主要在于:对蚂蚁搜索实施回跳约束策略,根据假设性的子路径长度大小对蚂蚁移动方向进行约束,从而限制了子路径的长度;应用栈式可行解重组策略,对最长子路径和最短子路径进行中和重组,保证快递员之间配送路程的均衡性;利用阶段式信息素更新策略,在蚂蚁搜索的不同阶段采用针对性的信息素更新规则,提高蚂蚁的搜索质量。通过实验数据得出,三种改进策略有效地提升了蚁群算法在两个优化目标上的表现。根据小区的分布特点,本文模拟了电商物流“最后一公里”的配送点位置分布情况,并产生若干组测试样本。通过本文提出的回跳重组蚁群算法与遗传算法、差分进化算法、局部搜索算法以及模拟退火算法进行对比实验,结果显示回跳重组蚁群算法能够搜索出更优的解决方案去满足电商物流“最后一公里”中快递员调度问题的工程需求。