随着现代物流产业的高速发展与人们对温室效应问题的高度关注,考虑碳排放量和客户的多需求已经成为车辆路径问题研究的热点,通过合理设计车辆配送路线,在节约企业成本的同时降低二氧化碳的排放对于增加企业竞争力和抑制全球变暖有着重要的现实意义。本文针对同时取送货低碳车辆调度中几类典型问题,在分析其理论与实践背景的基础上,建立了多车型、基于多配送中心的多目标以及动态网络多目标同时取送货低碳VRP模型,并研究了量子进化算法对上述模型的求解,本文具体的研究工作如下:1.首先综述了课题的研究背景和意义,通过调研国内外同时取送货VRP和低碳VRP来研究同时取送货低碳VRP,针对目前研究中还存在的很多问题,提出了课题的主要研究内容。2.根据车型种类,车辆总数,客户的取送货需求,建立了以碳排放量最小为目标的多车型同时取送货低碳VRP的模型。模型中使用了考虑车型、距离和车辆载重量的碳排放计算方法。模型采用量子进化算法进行求解,最后通过算例测试,进行了相应的比较,实验结果表明了模型的正确性和算法的有效性。3.针对多配送中心问题,提出了将多个配送中心抽象成一个配送中心体系的策略,建立了多配送中心同时取送货低碳VRP的多目标优化模型,模型以碳排放量最小和总路径最短为目标进行优化。针对该模型提出了多目标QEA求解Pareto解。最后通过算例测试,实验结果表明了模型的正确性和本章提出的多目标QEA求解多目标问题的有效性。4.结合客户的取送货以及时间窗要求,根据旅行速度依赖函数,建立了以总旅行时间最小和总碳排放量最低为目标的动态网络同时取送货多目标优化模型。针对该模型提出了多目标协同QEA进行求解。最后通过算例的参数分析与算法比较,实验结果表明了模型的正确性和本文所提出多目标协同QEA对所求问题的有效性和求解的高效性。5.结合上述理论研究的基础上搭建了同时取送货低碳车辆调度仿真平台,该平台集成了上述同时取送货低碳调度模型以及所提的量子进化算法,验证了所提算法的有效性。