车辆路径问题是物流配送的一个重要研究方向,也是一个比较重要的组合优化问题。传统的车辆路径问题的建模忽略了货物的重量对总运输费用的影响,只是对现实问题的近似描述,因此求得的最优路径并非企业需要花费最少的路径。为了解决这类问题,车辆的载重量应当被加入到目标中作为变量而不是看作常量。这启发本文研究一种新的考虑权重的车辆路径问题的建模方法。本文分别对以高速公路收费和碳排放为背景的带货物权重的单车车辆路径问题(WSVRP)、考虑货物权重的一般车辆路径问题(WVRP)、带货物权重的可拆分车辆路径问题(SDWVRP)建模分析,并设计相应的求解算法。这里的权重含义并不局限于载重量,也可以代表货物的价值、客户点的重要程度；与此相对应的,模型的目标也不仅仅是运输费用,还可以是碳排放量,降低运输过程的风险,满意度等。本文以物流配送的路径优化为研究背景,运用优化理论及方法,系统地研究了考虑货物权重的车辆路径问题的建模与优化算法。本文的主要工作包括：对WSVRP的研究背景和建模进行了研究,提出了求解WSVRP的考虑变异的最大最小蚁群算法,说明研究该问题的必要性,分析了货物权重参数变化对总费用的影响,并用改造的算法M-MMAS求解TSP BENCHMARK实例,验证了算法的有效性。再次,在WSVRP基础上考虑车辆容量限制条件,提出了WVRP的建模方法,设计了求解WVRP模型的集柬搜索蚁群算法,从位置分布和权重特征两个角度对VRP Benchmark实例分类,对七种类型的实例进行了细致的测试分析,说明WVRP建模方法的有效性,比较当位置分布相似但权重特征不同和位置分布不同但权重特征相同时WVRP比最短路径节省的费用,讨论模型的适用条件；对集束搜索蚁群算法的参数设置进行了全因子分析,通过与其他求解同类问题的算法比较,验证了算法的有效性。最后,在WVRP基础上,考虑客户点需求可拆分的实际需求,研究了SDWVRP,设计了最大最小蚁群算法进行求解SDWVRP,并分析了SDWVRP模型与SDVRP模型的比较,讨论考虑权重的意义,同时设计了305个算例进行测试,从使用车辆数和费用两个方面比较了SDWVRP模型与WVRP模型,说明客户需求可拆分的优势所在以及影响这种优势的因素。计算实验和分析可以说明在某些特定的客户需求和客户位置分布下,考虑货物权重和拆分客户点可以带来潜在的利润,节省运输费用。当客户点权重相差较大,并且客户点的位置较分散时,考虑货物权重因素建模更有意义,可以带来更多的费用节省；当对客户点拆分时,运输费用减少归结于运输车辆数目的减少,运输车辆数的减少可以带来额外的利润；当平均客户权重大于车辆运载能力一半,但不超过车辆运载能力的3/4时,可以获得最大的费用节省。