近年来,我国电子商务持续保持快速增长,在零售业中的地位日益重要,同时也带动了物流行业的发展,而物流行业也为电子商务的发展保驾护航。据统计,我国的快递业务量约有七成来自于电子商务。如何提高企业物流体系的配送效率、降低配送成本长期以来是电商物流行业关注的重点,其中车辆路径优化问题是重要的研究课题。当前,顾客对配送时效性的要求越来越高,为提供良好的购物体验,一些电商企业在人口密集度高的大城市市区及其周边建立多个仓库以快速响应顾客需求。然而,由于单一仓库往往无法覆盖所有商品品种(Stock Keeping Unit,缩写SKU)等多方面原因,电商企业在履行订单时常常需要将同一订单拆开并分配到多个仓库,即面临订单拆分问题。本文结合当前电商企业的应用背景,对考虑订单拆分的车辆路径优化问题展开研究。本论文针对电商企业在配送订单时面临的订单拆分需求,提出了一种新的车辆路径优化问题的变种,即考虑订单拆分的多仓库车辆路径优化问题(Multi-Depot Vehicle Routing Problem with Order Split and Allocation,简称为MD-CVRP-OSA),该问题旨在优化客户订单在仓库间的分配以及车辆的配送路径,从而提高配送效率和降低运输成本。针对该问题,本文建立了整数规划模型,以最小化配送距离为目标,同时决策订单的分配和车辆路径的规划。本文运用变邻域搜索算法求解该模型,并设计了七个邻域搜索算子与一个扰动算子,除传统的VRP搜索算子外,还包括针对订单拆分及重分配的相关算子。为验证上述算法的性能,本文进行了大量数据实验,并与精确算法进行了对比。结果证明,针对电商企业实际运作中面临的大规模问题,本算法具有较强的优势。论文还进行了算法的收敛性分析、单个算子性能测试和敏感性分析等相关实验。此外,该算法还成功应用于企业现实案例。本文进一步考虑了同一仓库可同时派出多辆车的情况,设计了结合SDVRP(Split Deliver Vehicle Routing Problem)精确算法和邻域搜索的启发式算法。在数据实验部分,本文进行了相应的随机实验和敏感性分析,实验证明该算法在求解大规模算例时,求解效率优于精确算法。本文针对电商企业配送时所面临的订单拆分问题,提出了新的VRP问题变种、建立了新的数学模型并设计了求解算法,对于指导电商企业的配送管理实践具有重要的理论价值和借鉴意义。