车站车辆路径问题是直接关系到客运汽车公司的效率与效益、服务质量和企业形象的关键问题，一直是运筹学、管理学、计算机科学等领域的研究热点问题，在生活中有着广泛的应用价值，对该类问题的研究主要集中在能否找到在较短的时间内给出较优解的算法。Dethloff提出了带有参数的插入法，Crispim提出了基于禁忌的混合启发算法，但求解质量还有较大的改进空间。 　　蚁群算法蚁群算法（ant colony optimization, ACO），又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marc

机车车辆企业是典型的订单式生产企业，面对全球经济一体化，客户需求个性化以及产品交货高速化的经济时代，机车车辆行业面临着快速响应客户需求、缩短产品交货期、提高产品质量和改进产品服务的压力。为了在激烈的市场竞争中求得生存和发展，企业需要从生产调度环节进行优化。生产调度是制造系统的一个研究热点，调度的任务是根据生产目标和约束，为每一个对象确定具体的加工路径、时间、机器和操作等，优良的调度策略对于缩短产品的生产时间，降低成本有着极大的作用。 　　订单生产调度问题属于一类NP-hard组合问题，因此寻找

将蚁群优化和变邻域下降搜索VND相结合，形成一种混合启发式算法ACS_VND，应用于客运公司的汽车调度，求解车辆需求数和最佳路径。该算法充分利用了2种不同算法的优点。实验结果表明，算法ACS_VND能在较短时间内获得比单个算法更好的车辆调度路径。

车站车辆路径问题是直接关系到客运汽车公司的效率与效益、服务质量和企业形象的关键问题，一直是运筹学、管理学、计算机科学等领域的研究热点问题，在生活中有着广泛的应用价值，对该类问题的研究主要集中在能否找到在较短的时间内给出较优解的算法。Dethloff提出了带有参数的插入法，Crispim提出了基于禁忌的混合启发算法，但求解质量还有较大的改进空间。 　　蚁群算法蚁群算法（ant colony optimization, ACO），又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marc