路径规划问题广泛存在于物流调度等实际应用中,时间窗是路径规划问题中的必要考虑条件。随着人们环保意识的增强和对“双碳”政策的响应,碳排放在路线规划中也被越来越多的研究者考虑。节能减排和时间窗逐渐成为路径问题中的两个重要考虑因素,车辆路径规划问题也从而产生了众多变种:如考虑加油站选址的车辆路径规划问题、考虑电动车充电的车辆路径规划问题和考虑交通拥堵的低碳车辆路径规划问题等。本文以时间窗和碳排放为切入点,对路径规划问题进行了建模、优化、算法设计与对比等一系列研究,主要研究内容和创新点如下:1、针对问题构建:本文在传统取送货路径规划问题的基础上,根据问题特性,建立符合本问题的车辆时间窗模型和碳排放模型。针对于模型中客户点的分类,设计一种区域划分方法,从而为不同的客户点进行时间窗的分配。为了解决车辆派送过程中的容量约束问题,在对算法编码进行改进的基础上提出相应的容量约束处理算法。本文在NSGA-II算法基础上对模型进行了优化与分析。实验结果表明了所建立模型的准确性和应用性。最后,为了便于后续对本文所设计的算法进行验证,本文在所建立的低碳带时间窗的车辆路径模型基础上,对优化目标和城市规模进行拓展,设计了一种多维度多规模带时间窗的车辆路径规划模型。2、针对算法架构:Kn EA是基于拐点对解集支配进行改进的多目标优化方法,其具有收敛度高、分布性优等特点。本文使用Kn EA算法对模型进行优化,其算法在优化过程中为了保持多样性会容易产生长尾效应,但在实际应用问题的考虑中,收敛性高的点已经满足决策者对于解集多样性的需要。因此,为了更好的针对应用性问题,本文设计了一种向量引导的自适应Kn EA算法（Vk EA）。该算法通过对算法优化过程中的目标下降状态进行监督,对向量进行实时更新,从而为种群指明下一时刻最具有潜力的进化方向。同时,在向量的基础上,提出基于邻域大小的动态膝点生成方法,从引导解的选择方面进一步实现种群收敛能力的提升。本文将所设计的Vk EA算法与传统多目标优化算法在所建立的多维度多规模的车辆路径规划模型上进行验证,实验结果表明了所设计Vk EA算法在高维度大规模车辆路径问题上具有较好的收敛性和分布性。3、针对搜索算子:搜索算子是路径优化算法中的重要组成部分。传统组合优化直接针对包含所有路线的个体进行交叉变异,并且搜索算子单一,在路径规划问题上存在优良路线保存不足,后期搜索乏力等缺点。本文以单条路线为搜索单位,针对于带时间窗的低碳车辆路径规划模型,根据实际情况下的路线状态,提出了5种路径搜索算子对路线进行改进。为了更好地确定算子插入位置,设计了相应的算子重插策略对插入位置进行搜索。最后,由于不同算子在进化前后期有着不同的搜索表现,为了更好地确定算子的使用阶段,本文设计了基于算子改进概率的搜索算子动态选择与调用。本文通过实验确定了所设计搜索算子的使用参数、使用场景和使用效果,并将所提出的搜索算子与Vk EA算法相结合,在多维度多规模车辆路径优化模型中传统优化算法进行对比,实验结果表明,新算法在解决车辆路径规划问题上具有良好的效果。