物流被称为企业“第三方利润源泉”，目前越来越受到国内各行业的极大重视，同益成为国民经济的基础产业。事实上，中国物流与采购联合会最近发布的2007-2008物流报告中提到，我国物流业近年持续快速发展，而物流运行中一个最大的结构矛盾就是运输费用过大，2007年运输费用比2006年提高了4．9个百分点，占社会物流总费用的54．4％。因此优化物流运输，降低运输成本，提高企业竞争力，适应城市配送的物流特点是物流企业的首要目标。　　 车辆路径规划问题主要研究物流配送系统中车辆路线优化以降低企业总运输成本。由于问题的求解复杂性，目前车辆路径规划问题的求解方法主要使用各种智能优化算法。近年来，粒子群算法虽然在函数优化、神经网络训练、工业系统优化与控制领域取得了很好的成果，但是在组合优化领域的应用，如车辆路径规划问题上，则刚刚兴起。　　 本文以为物流配送作业提供决策支持作为目标，提出了本文的研究对象：车辆路径方案优化研究，具体地，是研究两类重要的车辆路径问题：有能力约束的车辆路径问题（CVRP）和带时间窗的车辆路径问题（VRPTW）。考虑CVRP和VRPTW两类问题的各种约束条件并引入了各自的数学建模。　　 在求解CVRP的方法上，采用了整数编码构造可行线路的向量，对标准粒子群算法中速度及位置更新公式进行了稍微调整，并引入多个变异算子，使得每组粒子的最优粒子保存下来并变异最优者生成新的粒子，以此来增强搜索能力，同时又不降低收敛速度和搜索精度。　　 针对VRPTW，借鉴遗传算法的思想，尝试用双种群粒子群求解带时间窗的车辆路径规划问题，并将粒子的位置更新过程看成离散向量的交叉，建立两个群体1和种群2，每个种群的参数设置不同，同时两个种群采用不同的交叉及变异算子及交叉变异概率，分别独立地进行粒子群操作。当每一代运行结束以后，取出最优粒子，产生随机整数rand_num，随机取出rand_num个粒子，这rand_num+1个粒子进入对方种群互换，以实现种群之间信息共享。本文用MATLAB程序实现了本文提出的算法，实证分析了该算法的可行性。