近年来，随着能源消耗过快以及环境危机加剧，企业的节能与环保意识增强，“智慧交通，绿色出行”的理念受到政府、企业和人们的认可。同时因互联网的迅速发展产生大量线上交易，使得线下快递物流行业的货物配送任务也迅猛增长。物流企业为了更好地实现绿色配送，逐渐使用电动汽车取代传统燃油汽车满足客户的配送需求。
　　随着对物流服务质量要求的提高，客户在物流配送保证货品完整性的基础上提出了配送准时性的新需求，然而电动车辆因其具有续航里程有限且充电时间长的特性，在满足客户时间窗上面临难题，因此制定合理的车辆服务路径以及充电策略对最小化配送成本和最大化客户满意度具有重大意义。但目前电动车辆路径问题研究中的充电策略仍然沿用传统燃油车辆补充能量的方式，充电时间过长且不灵活，难以满足客户服务时间窗、增加了企业配送成本。因此本文对现有充电策略进行改进，研究改进充电策略下电动车辆路径问题。研究结果将有助于提高车辆配送效率、增加客户服务满意度并降低企业的配送总成本，实现“智慧交通，绿色出行”。
　　本文所研究的改进充电策略下电动车辆路径问题研究重点内容如下：首先，对带时间窗的电动车辆路径问题和电动车辆路径问题充电策略进行研究综述，总结了目前的研究现状以及其遇到的难题，并对电动车辆路径问题的求解算法进行了文献综述；其次，在现有充电策略的基础上，从充电时间点、充电站点以及充电电量三个角度对充电策略进行改进，引入了安全电量、三点最优原则并创新性地提出了部分充电概念；然后，结合客户服务时间窗、客户点货物需求量、车辆最大载重与车辆电池最大容量等约束，建立了以配送总成本最小化为目标的混合整数规划模型，并设计了自适应遗传算法融合模拟退火算法对模型进行求解。其中自适应遗传算法的交叉算子和变异算子采用自适应机制使种群的优秀基因最大限度地保留，结合模拟退火算法避免遗传算法出现“早熟”现象，提高解的质量；最后，以国内某大型快递物流企业A公司的服务模式和客户需求为算例背景，对改进充电策略下电动车辆路径问题的数学模型进行仿真测试，并将其仿真结果与现有充电策略下电动车辆路径优化结果进行对比分析，表明改进充电策略能减少18.2%的超出时间窗惩罚时间和降低7.2%的配送总成本，同时对自适应遗传算法融合模拟退火算法和遗传算法的求解性能进行对比，结果表明自适应遗传算法融合模拟退火算法的求解结果更优。此外，论文还对安全电量、车辆最大载重量和最大续航里程三个重要参数进行了灵敏度分析，分析其对配送总成本的影响。
　　综上所述，论文的研究成果一方面可以为电动车辆路径规划以及充电策略的选择提供决策参考，另一方面为企业提高配送效率和降低成本提供理论支持。