伴随着城镇化的发展、城市人口与经济的增长以及城市居民消费模式的转变,消费者对商品和配送服务的需求也迅速增长。网络购物的兴起极大的改变了购物方式,也促进了快递物流业的迅猛发展。城市作为重要的物流配送网络节点,正面临着大量配送车辆尾气排放,噪声污染等恶劣影响。电动汽车具有能耗低、噪音低、污染小等优点,代替燃油车进行城市运输活动可以极大的改善解决传统车辆城市配送给城市造成的不利影响。然而,与燃油车相比,纯电动汽车具有单次充满电后续驶里程短,动力不足,速度慢等缺点。配送过程中面临着电量耗尽的风险,导致纯电动汽车的配送范围和配送质量下降。另外,在现实配送环境中,存在一部分群体有多个时间段可以接受配送服务且客户对服务时间要求比较模糊,即客户有多个模糊的配送时间窗。基于此,本文以纯电动汽车在城市中进行配送为研究场景,具有多模糊时间窗的客户为研究对象,具体做了如下工作:(1)将配送客户的多时间窗需求以及对时间窗的要求比较模糊的特性引入到纯电动汽车城市配送车辆路径优化问题中,构建了多模糊时间窗约束下的纯电动汽车城市配送车辆路径优化模型(EVRPMFTW),并构建了包含固定成本、变动成本、充电成本、时间窗惩罚成本以及环境成本的总成本最小和客户满意度最大的双目标函数,并将双目标函数转化为单目标函数进行求解。(2)设计了改进的蚁群算法求解EVRPMFTW模型。首先,在研究传统蚁群算法原理、步骤和求解EVRPMFTW模型特点的基础上,分别设计了求解EVRPMFTW模型的企业常用的KNN算法传统蚁群算法和改进蚁群算法。基于模拟数据的EVRPMFTW模型下,设计了三组不同客户规模的算例,分别用KNN算法、传统蚁群算法和改进蚁群算法进行分组对比实验。三组实验结果表明:两种蚁群算法比KNN算法更优,在解的质量和算法收敛性上,改进的蚁群算法都优于传统蚁群算法。(3)设计了不同的模拟实验进行模型对比分析,目标函数对比分析以及敏感性分析。首先,模型对比分析中设计了不同时间窗类型对比实验,不同模糊时间窗数量的对比实验,对比结果表明:多模糊时间窗不仅能降低配送企业配送成本,节约配送资源,页而且可以较容易刻画用户的时间满意率,更好的量化配送服务的质量。其次,多模糊时间窗比单模糊时间窗约束下,平均客户满意度更高,且配送总成本更低。目标函数对比分析中,设计了总成本最大的单目标函数模型与原有双目标函数模型的对比实验,实验结果表明:双目标函数比单目标函数能更好的平衡配送总成本与客户满意度的关系,使得二者同时得到了优化。最后,对模糊时间窗宽度和充电续驶里程进行了敏感性分析,得到了一些建设性的结论与建议。