随着我国信息技术的飞速发展,网络购物和移动支付已被国民广泛接受和应用,进而导致以货物配送与收集为主的物流需求和物流市场规模不断扩大。此外,近年来物流网络中的客户需求也呈现出多样性、动态性及不确定性等属性,越来越多的客户可能同时存在配送与收集物流服务需求且更加看重物流服务的质量。与此同时,竞争激烈的末端配送和收集网点从事的车辆活动正处于物流业发展中成本最高、效率最低的一环,这已经成为制约我国物流发展的瓶颈。因此,亟需研究一种可缓解瓶颈制约的多中心物流配送与收集网络联盟机制,用于整合现有资源以降低物流企业的成本,同时满足当今客户多样化的物流服务需求。因此,本文旨在通过对网络联盟机制构建问题的研究,在合作模式下进行多中心带配送与收集物流网络车辆路径优化设计,进而整合运输资源以达到减低物流运营成本和提高物流服务效率的目标。本文的主要研究内容如下:（1）基于资源共享的多中心配送与收集物流网络优化问题研究。通过将资源共享策略整合到多中心带配送与收集车辆路径问题的优化中,对物流网络中已有的资源配置进行重构,以优化物流运营成本和物流网络服务效率。首先,构建了以物流成本和车辆使用数量最小化为目标函数的双目标数学规划模型。其次,设计了一个由k-means聚类算法、节约里程算法和非支配排序遗传算法-II组成的两阶段混合启发式算法对车辆配送与收集路线进行求解,以找到帕累托最优解。然后,通过测试基准数据集,验证了所构建的数学模型和提出的两阶段混合算法的性能和有效性,且数值结果表明所提出的方法优于标准非支配排序遗传算法-II和多目标粒子群优化算法。最后,以重庆市某物流网络为例,验证了构建的数学模型及设计的求解算法的适用性,结果表明提出的方法确实节省了物流网络运营成本,减少了车辆使用数量。（2）多中心混合配送与收集网络优化研究。通过采用协作和运输资源共享策略以优化物流网络运营成本和运行效率。首先,为多中心混合配送与收集网络优化问题构建了一个以最小化物流运营成本为目标函数的混合整数规划模型。其次,设计了一个先聚类后路径优化的两阶段混合算法。通过设计一种改进的基于时空距离和客户需求特征的三维k-means聚类算法,将客户分配给相对应的物流设施（如配送中心或收集中心）。然后,用遗传-禁忌搜索混合算法、迭代搜索算法与本文提出的遗传-粒子群混合算法进行比较,即分别对25个基准实例进行求解,以验证提出的方法的性能和有效性。最后,通过对一个重庆的实际物流网络进行实证分析,其优化结果表明物流运营成本得到了较大改善,进一步证明了本研究能为物流企业和运输部门关于整合运输资源配置方面提供决策参考。（3）多中心混合配送与收集网络合作联盟优化问题研究。该问题是研究多中心混合配送与收集物流网络联盟稳定性和合作关系牢固性的关键。利用收益分配机制和严格单调路径法则对网络合作联盟的稳定性进行研究。首先,采用不同收益分配机制制定收益分配方案并进行比较,同时基于滚雪球理论比选出最优的收益分配机制。接着,采用最小最大费用法（MCRS法）,对由配送中心和收集中心通过不同形式和不同规模的合作所能构建的网络合作联盟制定收益分配方案,同时根据严格单调路径法则对包含所有物流设施的网络合作联盟,对其所有潜在可行的合作序列进行比较,最终确定所有物流设施形成网络合作联盟的最优合作序列。对多中心网络合作联盟的最优收益分配方案和最优合作序列的分析结果进一步支持了采取合作和资源共享策略有助于对多中心混合配送与收集物流网络进行优化的结论。