物流企业为了节约成本和保护环境,必须将先进的物流理论和物流技术引入企业的生产和经营管理中,作为实现物流合理化的重要内容和手段,研究车辆路径问题有助于企业降低物流成本、提高运作效率、提高客户满意度。车辆路径问题将运筹学理论与管理实践紧密地结合在一起,是近半个世纪以来运筹学领域最成功的研究之一。以往对车辆路径问题的研究都是将前向物流和逆向物流中的车辆路径问题分开考虑,而实际中的企业或客户为了节约成本和保护环境需将两者结合起来运作。本文研究几类物流配送车辆路径问题的模型和算法,在分析其理论和实践背景的基础上,提出其数学模型,并构造了几种有效的亚启发式算法求解相关问题。其中同时送货和取货车辆路径问题有效整合了前向物流和逆向物流的车辆路径问题,本文在不确定性信息条件下,研究了同时送货和取货车辆路径问题的三种特殊情形,建立了相关的不确定性模型,给出了求解算法,并用数值实验检验了模型和算法的有效性。本文的主要研究内容和创新成果如下:(1)基于改进差分进化算法的同时送货和取货车辆路径问题研究现有的车辆路径问题的模型不能完全描述同时送货和取货车辆路径问题的特征,提出同时送货和取货车辆路径问题的整数规划数学模型;同时运用改进差分进化算法求解该问题;并用数值实验检验该算法的有效性。(2)基于改进遗传算法的带时间窗的同时送货和取货问题研究首次提出并建立了带时间窗的同时送货和取货车辆路径问题(VRP-SDPTW)的混合整数规划数学模型,可以将其转换为其它经典的车辆路径问题,同时采用改进遗传算法(IGA)求解该问题,数值实验结果表明该算法可以有效地求解VRP-SDPTW。(3)基于复合最优模型微粒群算法的车辆数目不确定的带时间窗的车辆路径问题研究车辆数目不确定的带时间窗的车辆路径问题是带时间窗的同时送货和取货车辆路径问题的一种特殊情形,运用复合最优模型的微粒群算法求解该问题,并用数值实验检验该算法的有效性,同时与遗传算法、分派算法等启发式算法进行比较。(4)多车型随机需求车辆路径问题研究在客户需求为随机条件下,研究具有多种车型、每种车型有多辆车的车辆路径问题,提出该问题的随机规划数学模型,在客户服务不可分割的前提下,研究了区别于重新优化策略的预优化策略,并分析了预优化策略的渐近性,结果表明预优化策略可以在节约大量计算资源的前提下能获得该问题的高质量解,并以预回路的期望成本作为目标函数,分别设计了改进的遗传算法和差分进化算法求解该问题,通过大量数值实验验证了算法的有效性。(5)模糊需求车辆路径问题研究模糊需求车辆路径问题是对传统的确定性车辆路径问题的拓展。在引入决策者主观偏好概念的基础上,对于基于模糊可能性的模糊机会约束规划模型,提出了一种基于随机模拟的混合遗传算法;对于基于模糊可信性的模糊机会约束规划模型,提出了一种基于随机模拟的混合差分进化算法。同时,分别在两种混合算法中,采用随机模拟的数值实验研究了决策者主观偏好值对最终决策目标的影响,在最小化总行驶距离的目标下,得出了运用上述两种混合算法时的决策者的主观偏好值的最佳取值范围。