从上图可以看出，现在物流配送行业已经发展成为国民经济的基础产业，并且物流总额每年呈现上升趋势。物流行业的重要性达到了一个新的战略高度，所以如何科学地管理物流行业是一个不得不思考的问题。根据大量调查研究显示，物流费用主要由运输费用、保管费用、管理费用3部分构成。各部分费用占物流总额的比重如下图从上图中可以看出，节约物流成本应从减少运输费用着手。提高运输效率和节约运输成本已成为各个物流行业提高企业自身竞争力的主要途径。

物流配送行业的主要工作是制定一套合理的行车路线，按行车路线将仓库中心的货物配送到各个客户的手中。因此设计出一套优化合理的行车路径是节约运输成本，提高运输效率的主要措施。事实上，一套合理的运输路线除能节约物流成本，提高经济效益之外，还有助于缓解交通运输压力，减少能源消耗，美化城镇环境。由此对智能路径规划的重要性可见一斑。所以智能路径规划研究引起了专家学者的广泛注意，得到了不断地发展。

在1959年Dantzig和Ramser提出了车辆路径问题（VehicleRoutingProblem，缩写为VRP）。VRP可表述为给定一个仓库中心，若干车辆和一些客户。仓库中心和客户的地理位置，汽车的载重量以及客户的需求都是已知的。车辆从仓库中心出发，按需求将货物分配给各个客户，最终车辆要返回到仓库中心。要求出动的配送车辆最少以及所有车辆的行车路线最短。由此看来，物流配送过程可抽象为VRP。那么智能路径规划研究就落在了解决VRP的任务上。因此，VRP成为组合数学、计算机应用、管理学、运筹学等领域的专家用来研究路径规划的主要模型。目前对VRP的研究已取得了一些成果。求VRP精确解的算法有：线性规划法、动态规划法、网络流算法。不过已有理论研究证明VRP是NP-hard问题，即至今还没有多项式时间复杂度的算法求解VRP。当问题规模扩大时精确算法将无法高效求解VRP。因此也出现了一些高效求解VRP近似解的算法。其中部分算法是受大自然现象或者工作经验的启发而设计的，所以它们统称为启发式算法。常用的求解VRP的启发式算法有：禁忌搜索、遗传算法、模拟退火算法、蚁群算法等。本文主要研究并优化遗传算法、模拟退火算法和蚁群算法，使其能规划出更优质的行车路径方案。

本课题的研究主要具备以下两大意义。

1、学术意义：本文在学术方面对前人的工作进行了总结，对传统的启发式算法进行了创新，具有较强的学术创新意义。

2、应用意义：本文重点研究智能路径规划，有助于减少物流运输成本，缓解交通压力，节约自然资源，具有较强的实际应用价值。

1.2车辆路径问题的研究历史与成果

自Dantzig和Ramser提出了VRP之后，VRP显示了强大的生命力。VRP涉及到组合数学、应用数学、计算机科学、运筹学等数学、计算机、经济领域的理论知识，具有较强的理论研究价值。再加上研究VRP有助于降低社会物流成本、提高社会经济效益，具有较高的实际应用价值。VRP的这两个优点引发了相关领域专家对其研究热情。一些物流企业也将节约物流运输成本作为提高企业利润的出发点，因此不惜投资重金聘请专家研究VRP。

1.2.1国外研究历史与成果

1.2.2国内研究历史及成果

1.3主要研究内容与框架结构

本文的主要工作是利用启发式算法进行智能路径规划。研究工作主要分两大模块。启发式算法是一类算法的总称，本文从中挑选3个智能算法进行路径规划研究。

这3个算法分别是遗传算法、模拟退火算法、蚁群算法。不过，以上3个传统的智能启发式算法在路径规划时表现出种种缺陷，例如：收敛速度慢、求解结果往往是局部最优解、求解结果概率性强、不稳定等。所以，本文先对传统的启发式算法进行优化，再利用优化前后的算法分别求解TSP，验证优化操作的合理性与有效性。这成为本文的第一模块。