随着市场竞争的日益加剧，世界经济一体化进程的加快和科学技术的飞速发展，许多企业已经把物流作为提高市场竞争能力和提升核心竞争力的重要手段，并且将先进的物流理论和物流技术引入企业生产和经营管理中。作为实现物流合理化的重要内容和手段，对车辆调度进行合理优化有助于企业降低物流成本，提高运作效率，全面提高顾客满意度。车辆调度问题将运筹学理论与生产实践紧密地结合在一起，对该问题的研究具有很强的理论意义和实际应用价值。 论文首先总结回顾了车辆调度问题已有的研究成果，继而围绕时变网络中和动态信息下车辆调度中的四个热点问题进行了深入研究。 1时变网络下的车辆调度 对时变网络中带时间窗约束的多车调度问题，构造了适合问题的并行遗传算法。就参数对算法的影响进行了实验分析。将并行遗传算法与BC-saving启发式算法相比较，表明了并行算法优于BC-saving启发式算法。 2不完全信息下的车辆派遣 对动态多车集货送货一体化问题，分别推导出多车单容量和多车多容量时，在客户稀疏和客户密集两种情况下，客户的期望逗留时间下界。针对具体策略进行了分析，推导出各种策略在不同情况下的客户期望逗留时间。 3基于ITS和GPS系统的车辆调度 该问题的特点是：道路交通状况可以实时监控；车辆位置得以实时掌握。通过分析该问题的性质，以车辆通过动态路网的期望行驶时间最短为目标函数，建立了该问题的马尔可夫决策模型。针对车辆出发前和车辆行进过程中如何降低观测弧的数量进行了讨论，提出了车辆出发前和行进过程中观测弧数量降低的算法，并且针对具体实例进行了实验分析。 4非确定性邻近点查询问题 在车辆调度中，指挥调度中心经常需要查找距离某客户点最近的车辆，以便为客户提供快捷的服务。由于装载有GPS定位设备的车辆在非采样时刻的位置确定中存在有非确定性，查询距离某点最近的车辆也不能给出一个确定性的答案。针对该问题，提出了邻近点查询非确定性算法。通过该算法的计算，返回每个被查询点成为查询点邻近点的概率大小。针对该算法，在二维无约束运动和平面直线运动中进行了实际应用，推导出适合这两种运动的计算公式。