1、物流企業(yè)為了節(jié)約成本和保護環(huán)境，必須將先進的物流理論和物流技術引入企業(yè)的生產和經營管理中，作為實現(xiàn)物流合理化的重要內容和手段，研究車輛路徑問題有助于企業(yè)降低物流成本、提高運作效率、提高客戶滿意度。車輛路徑問題將運籌學理論與管理實踐緊密地結合在一起，是近半個世紀以來運籌學領域最成功的研究之一。以往對車輛路徑問題的研究都是將前向物流和逆向物流中的車輛路徑問題分開考慮，而實際中的企業(yè)或客戶為了節(jié)約成本和保護環(huán)境需將兩者結合起來運作。本文研究幾

2、類物流配送車輛路徑問題的模型和算法，在分析其理論和實踐背景的基礎上，提出其數(shù)學模型，并構造了幾種有效的亞啟發(fā)式算法求解相關問題。其中同時送貨和取貨車輛路徑問題有效整合了前向物流和逆向物流的車輛路徑問題，本文在不確定性信息條件下，研究了同時送貨和取貨車輛路徑問題的三種特殊情形，建立了相關的不確定性模型，給出了求解算法，并用數(shù)值實驗檢驗了模型和算法的有效性。本文的主要研究內容和創(chuàng)新成果如下： (1)基于改進差分進化算法的同時送貨和取

3、貨車輛路徑問題研究現(xiàn)有的車輛路徑問題的模型不能完全描述同時送貨和取貨車輛路徑問題的特征，提出同時送貨和取貨車輛路徑問題的整數(shù)規(guī)劃數(shù)學模型；同時運用改進差分進化算法求解該問題；并用數(shù)值實驗檢驗該算法的有效性。 (2)基于改進遺傳算法的帶時間窗的同時送貨和取貨問題研究首次提出并建立了帶時間窗的同時送貨和取貨車輛路徑問題(VRP-SDPTW)的混合整數(shù)規(guī)劃數(shù)學模型，可以將其轉換為其它經典的車輛路徑問題，同時采用改進遺傳算法(IGA)求

4、解該問題，數(shù)值實驗結果表明該算法可以有效地求解VRP-SDPTW。 (3)基于復合最優(yōu)模型微粒群算法的車輛數(shù)目不確定的帶時間窗的車輛路徑問題研究車輛數(shù)目不確定的帶時間窗的車輛路徑問題是帶時間窗的同時送貨和取貨車輛路徑問題的一種特殊情形，運用復合最優(yōu)模型的微粒群算法求解該問題，并用數(shù)值實驗檢驗該算法的有效性，同時與遺傳算法、分派算法等啟發(fā)式算法進行比較。 (4)多車型隨機需求車輛路徑問題研究在客戶需求為隨機條件下，研究具有

5、多種車型、每種車型有多輛車的車輛路徑問題，提出該問題的隨機規(guī)劃數(shù)學模型，在客戶服務不可分割的前提下，研究了區(qū)別于重新優(yōu)化策略的預優(yōu)化策略，并分析了預優(yōu)化策略的漸近性，結果表明預優(yōu)化策略可以在節(jié)約大量計算資源的前提下能獲得該問題的高質量解，并以預回路的期望成本作為目標函數(shù)，分別設計了改進的遺傳算法和差分進化算法求解該問題，通過大量數(shù)值實驗驗證了算法的有效性。 (5)模糊需求車輛路徑問題研究模糊需求車輛路徑問題是對傳統(tǒng)的確定性車輛路