物流系统是由运输、存储、配送等多个环节相互依赖、相互制约而构成的有机整体，其发展程度已成为衡量一个国家现代化程度和综合国力的重要标志之一。作为物流系统中最重要的两个部分，运输和库存环节的执行情况不仅关系到客户服务水平，还直接影响到整个物流系统的成本控制。现有的数学方法在求解此问题时还很不完善，因此对其优化控制的研究具有重要理论意义和实际应用价值。本文以物流系统为基础，运用蚁群算法和遗传算法的基本理论，针对运输车辆优化调度、库存补充计划安排及运输—库存成本联合优化问题，进行了较深入的研究工作。在运输优化环节中，首先在改进蚁群算法求解TSP问题基础上，设计基本VRP蚁群算法，并针对基本VRP蚁群算法在求解较大规模VRP问题时存在收敛慢，容易陷入局部最优的缺陷，设计了结合去交叉法的自适应调整Q值VRP蚁群算法，仿真结果显示改进VRP蚁群算法在收敛性和搜索全局最优解等算法性能方面都较基本VRP蚁群算法有了很大提高。在库存补货优化环节中，结合经济订货批量模型，给出求解基于个体最优的库存补货方案算法，针对某几天配送量过分集中情况，设计优化算法调整配送周期，在满足客户需求和配送中心运能限制的条件下，实现了运输与库存成本联合优化，仿真结果证实了算法的有效性。在运输库存联合优化环节，采用两阶段求解方法。第一阶段以同时优化运输和库存成本为目标，在制定个体最优的补货方案基础上，设计基于遗传算法的径—环分割法对众多客户点进行分组，减小问题规模，同时进一步明确基于整体最优的客户点配送量；第二阶段运用改进VRP蚁群算法对运输路线优化。实例仿真验证了算法的可行性，实现了对物流系统运输与库存成本的联合优化。