随着经济全球化、电子商务的发展,各企业间的市场竞争日益激烈,但为了提升自身的竞争力与市场份额,削减物流费用成了各企业提高利润的有效办法,其中越库调度是一种能减少开支、加快配送的有效策略。随着网络信息化的发展和生活质量的提升,消费者的需求也迅速增多,所需商品的种类增多批量减少,则配送货车采购或配送一次货物需要经过更多的供应商或消费者。在这配送模式下,货车一般按照固定的顺序进行采购或配送,则在越库中心,采购货物后的进站货车会有固定的卸货顺序,即将去配送货物的出站货车会有固定的装载顺序。因此,本文针对实际物流配送问题中的货物装卸顺序要求,研究越库中心车辆调度操作的最小完工时间以及货车排序和货车分配仓门的问题。本文研究的车辆调度模式是进站、出站货车都已到达越库中心,分别对进站、出站两侧的货车排序并依次停靠到仓门处卸载、装载货物,每辆车的卸载或装载过程是不可停止的,需将自身的货物全部卸载或将所需的货物全部装载完毕后才能离开仓门,此时空闲的仓门安排下一辆车停靠进行装卸作业。对此,根据问题建立数学模型,并根据可停靠的仓门数量、进出站货车数量和货物种类数量,将问题分为小、中、大三种不同量级的规模,并设计蚁群算法和改进的蚁群算法求解该问题。首先利用蚁群算法对所研究的问题进行设计,根据算法的特性和问题的实际情况,设定算法中的关键变量,蚁群搜索方式,更新规则以及计算公式,分别对三种规模大小的实际问题进行求解,并分析算法中的参数对求解实际问题的影响。并与遗传算法的求解结果进行分析对比,最终实验结果显示,蚁群算法在求解质量上略优于遗传算法,在求解时间上,相对于遗传算法平均减少了54%的求解时间。为了提升蚁群算法的求解性能,提出了改进蚁群算法的求解思路,通过改善算法搜索车辆的规则、初始解的启发、信息素更新方式与信息素取值的控制、使用动态参数设置加强算法的搜索空间和收敛速度。最后分别对三个规模问题进行求解,最终实验结果显示,改进的蚁群算法在求解时间上与基本蚁群算法大致一样,都优于遗传算法,在求解质量上,改进蚁群算法相对基本蚁群算法表现更优,最高提升了7%。文章研究基于蚁群优化的越库车辆调度问题,为实际调度提供理论支持。