随着国际贸易规模的高速发展,物流的发展水平得到了较大提升,同时又更好的促进了世界经济的发展,而人们对物流服务的水平也有了给更高的要求。在该情况下,不少物流企业开始着手于构建全链条的物流服务体系,以期获得更大的规模效益、减少物流成本,为客户提供高满意度的运输服务。航运企业作为全球化的物流服务提供商,在世界贸易的货物运输中承担了绝大部分运力,积累了大量资产、运营经验和客户群。但是近年来市场波动、贸易摩擦和船舶大型化发展等因素影响了航运企业的健康发展,航运企业的经营利润有所下降。为此部分航运企业开始战略调整,打造包含内陆运输服务的全供应链条,实现物流资源的整合,以更高的效率协调海陆运输。因此本文以航运企业为物流集成商,分析其在集货环节过程中的特点,研究其集货过程中的车辆路径问题。本文通过分析航运企业主导集货运输的特点,将其归纳为带时间窗的单集货需求可拆分车辆路径问题。需求可拆分的车辆路径问题属于车辆路径问题的衍生类型,该问题最大的特点是将满足客户需求的车辆数由一辆增加到多辆。在航运企业的实际集货过程中,可以通过对物流资源的整合以及信息共享,从而将客户的需求进行拆分,实现多辆车为客户点进行服务。本文的研究工作包括以下内容:一是阐述了关于物流资源整合、车辆路径问题的研究现状。二是概述了相关问题的理论知识,给出了需求可拆分车辆路径问题的定义、解的性质、求解算法和模型。三是重点分析了航运企业作为物流集成商的集货特点,归纳出带时间窗的单集货需求可拆分问题,并建立数学模型。四是通过蚁群算法结合大规模邻域搜索算法的混合算法求解该问题,对客户点的概率选择和客户点的分割原则进行了设计和优化。五是对该算法进行算例验证,将实验结果与当前其他文献研究的成果进行对比分析。最后对论文的内容进行了总结,并对航运企业作为物流集成商涉及的相关研究内容做了展望。本文对测试数据集和其余文献中的数据使用混合蚁群算法进行算例验证,有效降低了车辆行驶距离和车辆使用数目,可为航运企业集货过程的改进提供启发和依据。