现代物流业的飞速发展为车辆路径问题（Vehicle Routing Problem，VRP）的研究提供了广泛的现实背景，同时通信和信息处理技术以及计算机硬件技术的飞速发展，能够快速获取和处理实时信息，为动态车辆调度问题的研究创造了条件。随着对VRP研究的深入，以往静态VRP的模型和算法仅能处理预先确定的信息，难以满足现实中处理各种动态信息的需求，有必要研究包含动态信息的VRP，建立符合物流配送实际的动态车辆路径问题（Dynamic Vehicle Routing Problem，DVRP）的模型和算法。DVRP己成为现阶段车辆路径问题研究的热点，通过对车辆路径进行实时动态调度，有助于提高企业物流配送服务水平，增强企业竞争力，具有较强的现实意义；同时对该问题的研究还能丰富和充实物流科学、运筹学及组合优化等研究领域，还具有较强的理论意义。　　 本文在国家自然科学基金项目“面向物流配送的动态车辆调度模型和混合量子进化算法（N0.60970021）”的资助下，针对物流配送动态需求车辆调度中的几类典型问题，在分析其理论和实践背景的基础上，建立了多车型开放式、基于沿途补货的多配送中心、具有模糊预约时间窗的多目标以及具有随机信息的动态需求VRP模型；研究了混合量子进化算法对上述模型的求解。本文的主要工作和成果如下：　　 1.首先阐述了课题的研究背景及意义，给出了动态车辆路径问题的定义和分类，分析了动态需求车辆路径问题的构成要素，在对国内外大量文献总结提炼的基础上，从模型和求解方法两方面深入分析其研究现状，针对目前研究中存在的问题以及我国物流配送车辆调度的特点，提出了论文的主要研究内容和组织结构。　　 2.分析了已有研究关于每种车型车辆数目固定的多车型VRP的不足，引入虚拟配送中心，建立了动态需求多车型开放式VRP的两阶段数学规划模型；制定了相应的“预优化路线的制定十实时动态优化调度”两阶段求解策略；提出混合2-OPT量子进化算法进行求解，引入2-OPT局部优化方法来优化子路径能减少客户序列的交叉从而提高了算法的收敛速度；设计了一种将常用的基于整数的编码引入到量子比特的编码方法，从而解决了车辆路径问题不能直接运用量子进化算法求解的矛盾；最后，基于标准测试问题进行实验仿真分析，并与最邻近插入法的结果进行比较，实验结果表明了模型的正确性和算法求解动态需求车辆路径问题的有效性，该混合2-OPT量子进化算法能满足调度的实时性要求。　　 3.分析了已有研究对于沿途补货策略局限于静态问题的不足，引入顾客需求的动态性，提出了基于沿途补货的动态需求多配送中心VRP，建立其模型；设计了一种最邻近法则来控制车辆补货的解码方法；提出了自适应免疫量子进化算法进行求解，引入免疫算子进行线路内和线路间再优化，从关于问题的先验知识中提取疫苗，有效的加快了算法的收敛速度，提高解的质量，同时为适应动态调度对算法有较高实时性的要求，在疫苗接种的过程中设计了一种随个体适应度大小而变化的自适应选择概率，从而减少了算法的运行时间；最后，对实例进行了仿真测试，分析了疫苗接种方式以及沿途补货策略对结果的影响，并与最邻近插入法进行了比较，实验结果表明沿途补货策略适应于动态需求车辆路径问题，所提的算法能有效能满足调度的实时性要求。　　 4.提出了一种更符合实际情况的模糊预约时间窗，通过该模糊预约时间窗来表示客户满意度，该模糊预约时间窗可区别对待提前客户和延期客户的满意度，弥补了已有研究同等看待的不足。将最大化的客户满意度和最小化的运行成本作为目标，建立了多目标动态需求车辆路径问题的模型；提出自适应网格多目标量子进化算法进行求解，在算法中设计了一种自适应网格保持解集多样性的方法，每一代中网格的数量不固定，而是根据当前代非劣最优解集的分布情况自适应调整，采用擂台赛法则构造非支配解集；最后通过实验分析对比，分析了算法参数对于结果的影响，选择适合问题的参数对标准测试实例进行了实验仿真，结果表明了模型的正确性和所提算法求解多目标动态问题的有效性。　　 5.分析了Lars M.H的动态随机需求VRP模型，该模型将表示顾客数量的随机变量设为确定值，并假设在某时刻t随机需求的信息变为已知，从而随机数变为确定值。针对其模型的不足，本章研究在时刻t客户是否有需求能确定，但需求量服从参数为λ泊松分布的动态随机问题，并在Lars M.H建立的模型的基础上考虑多配送中心，开放式的特点，建立了动态随机问题的基于补偿策略的两阶段随机规划模型；设计的自适应免疫量子进化算法有效加快算法的收敛速度，提高解的质量；最后，对实例进行测试仿真，分析了参数λ取不同值时的优化结果，并与基本量子进化算法和最邻近插入法进行了比较，实验结果表明该方法能有效的求解动态随机需求VRP。　　 6.在上述理论工作研究的基础上，搭建了动态需求车辆调度仿真平台。该平台有效集成上述各章动态需求VRP的模型以及所提的混合量子进化算法，验证所提方法的可行性；并将算法与处理动态信息的GIS平台相结合，在GIS平台上展示动态需求车辆调度的结果，嵌入到Web页面通过浏览器展现。　　 7.结论与展望。对全文主要研究工作进行了总结，展望了下一步研究工作。