物流运输是当今一个热门的问题。随着我国经济的快速发展,城市基础交通设施的建设,物流运输路线的选择就可以理解为一个组合优化的NP问题。如何合理的安排物流运输路线已成为企业降低成本,提供效益的重要手段和途径。本文先介绍了在物流领域有着广泛应用的三种算法,粒子群优化算法、禁忌搜索和遗传算法。从算法的原理,算法过程和算法的特点分析各个算法的优势和不足。对改进传统形式上的智能优化算法,有一定的借鉴意义。本文在传统的智能优化算法的基础上做了相关的改进,用混合算法对物流运输问题进行了研究：1最短路径问题是物流运输中的基础性问题。本文用混合算法对这一问题进行了深入研究,并且建立的数学模型。混合算法的各个参数以及遗传算子的操作对加快算法的进程起到了不可忽视的作用。模拟退火防止算法陷入局部最优,遗传算法控制寻优方向,利用两种算法各自的优点,对单一的算法进行改进。阻止了早熟现象的发生,保证了种群的多样性,避免了陷入局部最优情况的出现。用实验证明,混合算法比单一算法更易找到最短路径。2指派问题是现实生活中经常遇到的一类组合优化问题。文章建立了指派问题的数学模型,提出了以遗传算法和蚁群算法相结合的思想对其加以解决。此算法主要将每一个任务作为一个基因位,形成染色体,以遗传算法控制寻优方向,适合解决组合优化问题。蚁群算法中转移概率的设置和遗传算子的操作对算法进行有着重要的作用。实验结果表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明此算法是可行的。本文最后对智能优化算法的未来发展趋势进行了总结与展望,认为在物流运输快速发展的现代社会,智能优化算法必将成为改变人们生活方式的诱导性因素,进而加快社会的进步,必须引起我们足够的重视。