运输调度问题(Vehicle Routing Problem,VRP)的研究内容是如何有效利用运输工具的运能,以最少的资源投入获得最大的收益。由于VRP涵盖了组合优化领域的诸多理论,并且具有广泛的应用和重大的经济价值,因此,导致对VRP求解是一个难点及热点问题。本文针对VRP的智能求解机制进行了运行机制、模型类的表示和存储、模型类的自动识别及算法的智能构造等方面的研究。所作的主要工作如下:　　 1.研究了智能求解机制的总体框架。通过对典型VRP数学模型的分析来归纳VRP模型类的构成参数；通过对VRP模型类的构成参数的结构化处理,并结合参数特点,设计出模型类的表示及存储方式；完成对智能求解VRP的处理步骤的设计。　　 2.研究了VRP模型类的自动识别机制。分析了影响模型类识别的各种因素,并设计了对几种常见的因素的处理方式,如最短路径与最佳路径、货物的重量与体积转换、存在软时间窗及具有多个优化目标的情况等等；提出了通过采用人机交互的方式对大规模VRP的客户进行聚类,以降低对VRP模型类识别的复杂度及求解难度,并进行了验证仿真；研究了对具有父子类关系、相似关系、类运算关系、等价关系、派生子类的VRP模型类的识别方法及规则描述。　　 3.研究了VRP模型求解算法的智能构造机制。分别提出了构造具有父子类关系、相似关系、类运算关系、等价关系、派生子类的VRP模型类的算法。仿真分析表明,本文提出的算法可行,并且具有较好的效率。　　 4.完成了智能求解系统的设计与实现。通过对VRP模型类的智能求解机制的研究,提出一种基于智能框架的求解原型系统的设计方案,并予以部分实现。