班车服务作为企业向员工提供的福利条件之一,员工的乘车体验直接或间接影响员工对企业的满意度。如何更高效的规划班车行驶路径及合理的选择车型对提高员工乘车体验起着十分重要的作用。同时,随着电子商务技术的快速发展,在班车规划中引入物联网,智能优化算法等新兴技术,有利于进一步提高班车规划的时效性与智能性。本文以提高员工乘车体验为出发点,以降低员工的乘车时长为优化目标,提出了服务导向型企业班车线路优化。根据服务导向型班车的实际需求,我们给出了描述该问题的带货物权重车辆路径规划问题(Weighted Vehicle Routing Problem,WVRP)模型,该模型在车容量的约束下,将车辆载重和行驶距离引入目标函数。WVRP模型下目标函数的最小化意味着所有员工的平均乘车时间最小化,在该模型下进行班车行驶路径的规划,有助于提高员工乘车体验,减少平均乘车时长。WVRP模型不仅适用于企业班车路径规划。由于该问题属于NP-hard问题,随着问题规模的增加,其求解复杂度呈指数倍增加。为了高效的求解该问题,本文给出了求解该模型的基于后悔值插入构造初始解的迭代式邻域搜索算法(Regret Insertion-Iterate Local Search,RI-ILS)算法。该算法基于后悔值插入法构造初始解,引入七种邻域搜索算子扩大解的搜索范围,同时在扰动阶段设定解的浮动范围以跳出局部最优。为了验证该算法的求解质量、稳定性,我们利用Benchmark标准算例库中的三组算例对该算法进行测试,同时将RI-ILS算法与现有文献中求解WVRP模型的引入集束搜索的最大最小蚁群算法(Beam Search Combined With MAX-MIN Ant Systems,BEAM-MMAS)进行比较,实验结果表明RI-ILS算法在求解质量及稳定性上均优于BEAM-MMAS算法。除了测试标准算例库中的算例,本文还通过易通创新大连科技有限公司提供的天津、大连地区的企业班车数据对该算法在实际问题求解中的效果进行验证。为了符合实际情况,我们对同一问题规模的算例设定不同车型(车容量不同)进行求解,并给出了各车型下的最佳调度方案。我们将RI-ILS算法求解出的调度方案与BEAM-MMAS算法求解的调度方案进行对比表明,RI-ILS算法给出的规划方案相对于BEAM-MMAS算法在总开销上平均减少了 35%。本文在WVRP模型的基础上,将单一车场扩展至多车场,首次提出了多车场带货物权重车辆路径规划问题(Multi-Depot Weighted Vehicle Routing Problem,MDWVRP),并建立了该问题的数学模型。同时为了求解该模型,本文基于RI-ILS算法中的邻域搜索算子设计了一种简单高效的多起点迭代式邻域搜索算法(Multi-Start Iterated Local Search,MSILS)对问题进行求解。此外,为避免搜索过程陷入局部最优,我们设计了一种解的重构造机制作为扰动操作跳出局部最优。为了验证算法MSILS的有效性,本文基于Benchmark库中提供的33个公开的标准案例进行了测试,并与已有文献中的两种方法,即BEAM-MMAS算法和变邻域搜索算法(Variable Neighborhood Search,VNS)进行了比较,并且从求解质量、运行时间、稳定性及统计意义差异性四个维度进行结果分析。结果表明,MSILS算法在求解质量、运行时间和稳定性方面均优于已有的算法。因为MSILS和VNS均基于邻域搜索框架,为了验证两种算法求解效果之间的显著差异性,我们同时给出了两种算法之间的威尔科克森秩和检验。