车辆路径问题是物流配送企业的核心问题,随着经济的快速发展,逐渐形成一个区域多个配送中心联合配送的配送模式,同时,不确定环境下的物流配送问题也成为物流企业发展的难点。因此,综合考虑多中心联合配送、车辆服务完成后的返回规则、客户同时具有配集货需求且集货需求为随机变量的情况,对多中心联合配送模式下的集货需求随机的同时配集货车辆路径优化问题的研究能够更加贴近于实际需要,合理规划配送车辆行驶路径,能够有效的降低企业的配送成本,提升企业的竞争力。目前对于多中心集货需求随机的同时配集货车辆路径问题(MDVRPSDDSP)的研究较少,大多仅考虑单一配送的情况,且对于车辆返回规则的研究不足。基于此,针对多中心集货需求随机的同时配集货车辆路径问题展开研究,构建了两阶段优化模型,预优化阶段基于随机机会约束机制以及车载量约束为客户分配车辆,生成初始方案;重优化阶段采用失败点重调度策略对服务失败点重新规划路径。根据问题特征,设计了混合变邻域遗传算法,对遗传算法易早熟、局部搜索能力弱等缺陷,将变邻域深度搜索算法的深度搜索能力运用到遗传算法的局部搜索策略中,增强算法的局部搜索能力;提出自适应邻域搜索次数策略和自适应劣解接受机制平衡种群进化所需的广度和深度。通过多组算例验证了本文模型及算法的有效性。研究成果不仅深化和拓展了 VRP相关理论研究,也为物流企业制定车辆调度计划提供一种科学合理的方法。