中文摘要：

车辆路径问题（Vehicle Routing Problem）是一个NP-难的组合优化问题,是物流配送研究的一项重要内容。本项目研究混合蛙跳算法及其在车辆路径问题中的应用。混合蛙跳算法（Shuffled Frog Leaping Algorithm, SFLA）是近年出现的一种基于模因进化的新型群智能算法，最早于某些实际工程问题中应用，效果良好。本项目研究混合蛙跳算法的工作机理、参数最优组合选取原则以及收敛性分析；研究混合蛙跳算法与其它仿生优化算法（如模拟退火、极值动力学优化、量子进化等）的融合；采用实数编码并定义交换序，实现基于混合蛙跳算法的容量受限车辆路径问题CVRP求解；提出基于幂律极值优化邻域搜索技术PLEONS的改进混合蛙跳算法，大大提高了收敛速度及求解精度；提出新的针对复杂多仓库中心多约束的MPVRP及带时间窗约束MDVRP的编码方法以及求解模型；提出基于聚类的多阶段求解法求解较大规模MDVRP，对多达288个客户，4-6个仓库中心以及1-7部车辆的标准测试问题均能获得满意解，部分结果优于已知最优解；对混合蛙跳算法在二维图象处理中的应用也进行了有益的探索。