近年来,物流行业的迅速发展以及物流车辆快速的增长,导致能源消耗和环境污染问题日益突出,电动车辆独具的低消耗、低排放、低污染特点成为化解这一问题的有效途径之一。为此,国家先后出台了一系列政策措施来推进电动车辆产业及其配套服务设施设备的发展,京东与阿里巴巴等物流行业领跑者也正顺应时代需求,大力实施车辆的电动化,由此可见,电动车辆是未来物流配送车辆的主流发展趋势。电动车辆在行驶过程中是消耗电能的,电动车辆的行驶距离跟它在行驶途中的电池能耗紧密联系,所以电池能耗是电动车辆路径优化问题中必需考虑的问题之一。在电动车辆路径优化问题中,对于电池能耗,目前大多数学者考虑了行驶距离对电池能耗的影响,忽略了货物载重对电池能耗的影响,导致车辆行驶途中的实际消耗电量与理论存在偏差,使电池电量不足以支撑电动车辆到达充电站或配送中心,进而影响到求解电动车辆配送路径的科学性。因此,本文提出了考虑货物载重下的路径规划问题,具体工作如下:1.针对国内外有关电动车辆路径优化问题的研究现状,本文在目标函数中引入货物载重因素,建立了考虑货物载重的路径优化模型;另一方面,考虑到实际配送过程的复杂性,以及在车辆在充电站较长的充电时间,会导致车辆难以严格满足每个顾客的收货时间窗要求,即软时间窗约束。在考虑这两种因素的基础上对电动车辆路径优化方案进行设计,最终构建了该问题的路径优化模型。2.在求解算法方面,本文结合考虑货物载重的软时间窗路径优化模型改进了遗传算法,为了保持种群多样化,防止求解结果过早收敛,文中改进了交叉算子,并且在选择操作中融入精英保留策略。为了防止遗传算法陷入局部极小值,将爬山算法作为独立算子置入其中。3.基于算例,运用MATLAB对本文构建的考虑货物载重的软时间窗电动车辆路径优化模型以及改进后的遗传算法进行求解和仿真分析,得到本文的最优配送路线,验证了本文的模型和算法的科学性。通过对算法对比、剩余电量以及时间窗因素的深入分析,验证了模型及求解算法的适用性及有效性。最后,对灵敏度进行了分析,证明了电池容量、最大货物载重对电动车辆路径规划的影响。