车辆路径问题（Vehicle Routing Problem,VRP）作为交通运输、物流、计算机科学与仿真技术等科学领域的热点问题,在物流行业中的包裹收寄、商业领域中的产品收发、物资调运等领域具有极为广阔的应用背景。随着社会经济的发展、科技进步的驱动,我国物流行业进入了持续、快速增长的时期,物流企业规模不断壮大。在看到物流企业快速发展的同时,也应看到物流企业间的竞争加剧,物流企业必须针对所面临的新环境、新问题,科学地制定配送计划,以不断降低成本,提高配送效率,才能在竞争中取得优势地位。为此,本文针对目前大型物流企业普遍存在且需要解决的时变路网下多中心联合配送研究领域涉及的四个问题,即单车型车辆路径问题、多车型车辆路径问题、混合车队车辆路径问题和冷藏车路径问题展开研究,并取得以下成果:（1）针对时变路网下多中心联合配送单车型车辆路径问题,考虑配送路网中不同类型道路对车辆行驶速度的限制、配送中心资源共享、以及车辆载重量对油耗的影响,以车辆派遣成本、油耗成本以及时间窗惩罚成本之和最小为目标构建优化模型。设计自适应遗传算法进行求解,该算法首先采用最近邻插入法和Logistic映射方程生成初始解;然后设计交叉和变异操作改进初始解,并设计了自适应交叉和变异概率,提高算法的求解性能;最后,应用CPLEX验证模型的正确性,通过多组不同规模算例的实验,对算法的有效性进行分析。（2）针对时变路网下多中心联合配送多车型车辆路径问题,考虑多中心、多类型车辆联合配送,以车辆派遣成本、油耗成本和时间窗惩罚成本之和最小为目标构建优化模型。设计考虑时空距离的混合变邻域搜索遗传算法进行求解,该算法首先根据客户间的时空距离将客户进行聚类,构造初始解;然后设计进化操作和变邻域操作提高算法的搜索能力,采用模拟退火的Metropolis接收准则避免算法陷入局部最优;最后,应用CPLEX验证模型的正确性;通过多组不同规模算例的实验,对算法的有效性进行分析。（3）针对时变路网下多中心联合配送混合车队车辆路径问题,考虑多中心和混合车队的联合配送、车辆行驶速度连续变化,以车辆派遣成本、油耗成本、电耗成本和时间窗惩罚成本之和最小为目标构建优化模型。设计混合启发式算法进行求解,该算法首先采用K-means聚类方法生成初始种群;然后采用变邻域搜索算法进行局部搜索优化,提升算法的求解性能;最后,应用CPLEX验证模型的正确性;通过多组不同规模算例的实验,对算法的有效性进行分析。（4）针对时变路网下多中心联合配送多厢冷藏车路径问题,考虑配送网络两节点间存在多条通路和道路交通信息实时变化对车辆路径选择的影响,以及冷藏车在装卸和运输过程的成本消耗,采用先预优化后实时调整的思想,构建以车辆派遣成本、油耗成本、制冷成本、货损成本和时间窗惩罚成本之和最小为目标的两阶段优化模型。在预优化阶段,根据历史交通信息,设计混合变邻域混沌遗传算法得到初始配送方案;在实时调整阶段,根据不同通路实时变化的交通信息,提出配送节点处更新通路选择策略,实时调整车辆路径。最后,应用CPLEX验证模型的正确性;通过多组不同规模算例的实验,对算法的有效性进行分析。本文研究成果不仅丰富和拓展了时变路网下多中心联合配送车辆路径优化研究的新模型、新策略以及新求解技术,也可为物流企业配送方案的制定提供新思路、新视角,以及新的参考依据。