随着信息经济时代的到来,大数据及智能决策在社会经济管理中深入应用,物流优化走向精准化,尤其是对于小众的特殊产品的运输规划,研究最优物流方案的“智慧运输”,为用户提供“门到门”的便捷服务,具有很大的应用价值。液化化工产品具有高风险、高成本的特点,一般采用具有良好的封闭性罐箱进行运输。但液化产品,如本文研究的液钠产品,多具有运输标准高、运输规模相对小、罐箱购买成本高的特点,企业极需要提高罐箱的回收效率、降低车辆空载率,大幅降低产品的运输成本。本文通过深入分析液化产品配送过程的影响因素,系统考虑用户需求按时满足、空罐回收、运输车辆调度等制约因素,建立满罐配送与空罐返回整合调度数学模型,给出了产品运输费用和罐箱存储费用最小的产品配送路径规划方案。本文对液化产品罐箱运输规划相关文献进行了查阅和总结,发现以往研究多是规划产品满罐配送或者优化空罐回收问题,缺少整体考虑两个问题进行液化产品配送优化的研究。本文首先针对一般的液化产品罐箱配送,提出了需求可拆分的多周期多车型物流规划模型（基本模型M0）,模型考虑了配送需求、库存限制、车辆能力等约束,还考虑了需求时间窗口限制,模型目标是在优化运输成本、在途危险成本、罐箱堆存成本和不按时到达惩罚成本基础上,给出科学的产品配送路径。之后对模型进行了扩展研究,将空罐回收路径规划纳入模型整体考虑,建立了满罐配送和空罐回收整合调度的配送模型（扩展模型M1）,该模型科学设计了空罐与重罐的状态转化方程,在整体优化产品配送和空罐回收物流费用基础上,提供了送达重罐的同时适量取走空罐的需求可拆分的最优闭环运输方案。本文综合考虑了多种约束条件并提出多周期路径规划模型,该模型复杂度是NP-hard（其子模型是带时间窗口的需求可拆分路径规划模型,复杂度NP-hard）,很难用精确算法有效求解。相关文献证明遗传算法对于带时间窗口的车辆路径规划NP-hard问题能够提供全局最优解,为了进一步提高遗传算法效率,应用了混合遗传算法,提高了计算效率。最后,本文选取了某典型钠液产品N公司的实际数据作为算例,进行了模型应用,结果证明了本文提出的模型和算法能够给出液化产品罐箱运输的有效配送方案,在算例中N公司物流成本降幅达到7.8%。