近年来物流业迅速成为重要的经济产业，呈现快速发展态势，物流已经成为众多学者研究的热点问题，而车辆路径问题是物流配送中的核心环节。多车场车辆路径问题是在基本车辆路径问题上将单个车场配送中心增加多个配送中心，随着顾客点数目的增多以及约束条件的增加问题的计算复杂度也随之变大，而MDVRPW是在多车场车辆路径问题的基础上，增加了客户要求的服务时间，在实际应用中更为普遍。　　 在多车场车辆路径问题的基础上扩展的问题的解决，可行解的搜索范围很大，最优解的寻找过程较为复杂，因此能够在较短时间内求解并获得高精度结果的算法研究是切实可行且很有现实意义的。而用粒子群优化算法解决车辆路径问题，有着参数少、简单通用、鲁棒性强，计算处理快等特点是近年来学者研究的热点。但是对于解决多车场车辆路径问题及带时间窗的多车场车辆路径问题的粒子群算法研究，目前的文献及研究成果还较少，算法还需要大量的探索研究。　　 本文设计了解决多车场车辆路径问题的改进粒子群方法，针对多车场车辆路径问题和带有时间窗的多车场车辆路径问题规模较大、约束较多，不可行解的比重随之变大，本文设计了对产生的不可行解进行优化调整的调整算子，根据先满载后调整的调整策略，将不可行解调整为可行解，保证粒子的多样性；并针对粒子群算法容易陷入早熟的状态，加入扰动机制，克服粒子群算法在大规模问题中易陷入局部极值的缺陷。本文设计了粒子群算法解决多车场车辆路径问题的计算实例与已有文献比较有较高的收敛速度和收敛精度。