近年来,构成企业核心之一的供应链通过控制信息流、物流和资金流,将供应商、厂商、分销商、零售商和用户紧密地连接起来。作为供应链的重要组成部分,物流配送优化中的车辆路径问题也得到了越来越多企业和学者的重视。企业通过对实际运输问题进行分析,可以在一定的假设条件之上建立车辆路径问题的数学模型,并通过模型与求解制定出科学合理的车辆路径规划,从而有助于企业降低运输成本,提高物流运输效率,进而获得更大的经济效益。但是,物流配送的复杂性、多样性以及客户需求的多变性给车辆路径优化带来很多难题。首先,作为车辆路径问题的一个重要拓展,集送一体车辆路径问题的研究极少考虑运输途中经常出现的路径失败问题,更没有提出一种合理的问题解决策略。其次,现有的协作车辆路径优化研究主要聚焦于供给侧或者需求侧的单边协作,没有考虑供给侧和需求侧的双边协作,可能导致潜在的更优运输方案被忽略。再次,车辆路径优化问题作为典型的NP-hard问题,如何构建高效的求解算法也是一个难题。现有的用于求解车辆路径问题的算法还有待改进,性能还有待提升。基于上述分析,本文针对两种不同客户需求(即同时取送和只送不取)的车辆路径问题,构建了两种不同模式(即集送一体和横向协作模式)的车辆路径优化模型。在此基础上,提出了适用于上述两种优化模型的两种优化求解算法,以降低最优运输方案的总运输成本。本文的创新点如下:1.构建了集送一体模式下基于动态多阶段失败专用协作(Dynamic Multi-stage Failure-specific Cooperative,简称DMS-FSC)追索策略的车辆路径优化模型。DMSFSC追索策略将整个运输路线划分为多个阶段,在上一阶段需求未被满足的客户将会在下一阶段重新被遍历,从而解决集送一体模式下的路径失败问题。在此基础上,提出了一种改进型遗传算法(Genetic Algorithm,简称GA)以高效求解所构建的模型。该算法的改进之处包括:一是采用多阶段成对向量的方法来表示所提出的DMS-FSC追索策略,二是将模拟退火算法的接受准则引入GA算法。最后通过仿真实验评估了该模型的成本节省率,验证了本文所提出的改进型GA算法在求解面向集送一体模式的车辆路径优化模型的有效性。2.构建了横向协作模式下基于供给侧和需求侧双边协作的车辆路径优化模型。该模型将供给侧单边物流协作扩展为供给侧和需求侧的双边物流协作,并且采用了集成目标,即质量、可靠性、成本和时间的加权和,以更全面地分析和评价所构建的模型。在此基础上,提出了一种改进型变邻域搜索算法(Variable Neighborhood Search,简称VNS)以高效求解所构建的模型。该算法的改进之处包括:一是采用了供给方协同矩阵、客户协同矩阵和运输顺序矩阵的表示方法,二是将基础型VNS算法与自适应操作相结合。最后通过仿真实验评估了所构建模型的成本节省率,验证了本文所提出的改进型VNS算法在求解面向横向协作模式的车辆路径优化模型的有效性。综上所述,本文开展的面向集送一体和横向协作模式的车辆路径优化模型及算法研究,对我国物流行业优化运输成本、提高运输效率具有重要的理论意义和现实意义。