协同车辆路径问题（Collaborative Vehicle Routing Problem，CVRP）是多配送中心车辆路径问题(Multi-depot VRP，MDVRP)发展的高级阶段，研究各物流企业通过Internet等信息技术创造协同环境，共享各种信息和资源，如顾客、仓库和车队等，为所属不同公司的客户统一装卸货物以降低物流配送成本。CVRP是物流方面的一个新研究领域，目前国内外相关理论研究较少。本课题以CVRP为研究对象，主要工作如下：（1）在满足最大行驶里程、车辆容量限制、时间窗等现实约束情形下，以车辆配送总费用最小为目标，研究一类确定性CVRP，设计相应的离散粒子群算法，通过综合仿真和试验分析验证模型的正确性和合理性。仿真表明：同普通物流配送情形相比，CVRP有效减少总配送里程和配送费用。（2）考虑不确定因素干扰CVRP，研究一类模糊旅行和顾客服务时间的CVRP，构建了该问题的模糊规划模型，并将之进行清晰化处理使之转换为一类确定性数学模型，设计相应的离散粒子群算法等。在突发事件干扰下，该研究编制的配送方案可以适应不断变化的交通环境，从而更加贴近物流企业的实际应用。（3）考虑车辆依原计划配送过程中的随机干扰因素导致配送方案失效，引入可靠性理论探讨CVRP，定义了车辆任务可靠度概念，在此基础上研究一类基于车辆任务可靠度的CVRP。根据问题特征，设计求解该CVRP问题的遗传算法，定义了解的编码方案、产生初始种群的启发式算法等，通过综合仿真和试验分析验证了模型的正确性和合理性。研究表明：随着车辆任务可靠度的增大，物流配送方案费用将可能越高，但该方案的可靠性较好，故它在物流实际配送中受不确定性的干扰较小。本课题研究成果丰富了车辆路径问题的内容和形式，既填补了CVRP领域的研究空白，也可为以后的物流配送工作提供了理论和方法的技术支持，具有一定的理论意义和现实意义。