随着电商的快速发展和人们消费观念的转变,网上购物成为大多数人购物的首选方式。同时,伴随着城市化进程的加剧,快递在城市内部的配送问题成为企业和研究者关注的重点。而由于“双11”、“6.18”电商大促等购物节的普及,导致快递公司在实际运营中经常出现运力不足的情况。快递的同城配送成为企业亟需优化调整以降低运营成本的环节。本文所研究的快递同城配送问题,其本质上归属于城市VRP的研究范畴。本文聚焦分拨中心到网点的配送问题,该问题是一个单车场多车型并带有集货环节的车辆路径问题。本文在考虑企业运力充足与运力不足两种条件的基础上,在满足订单送达的时间窗要求、车辆的承载能力约束及城市间道路限行约束的前提下,以最小化运输成本为目标,最终生成运输调度计划。首先,本文研究了运力充足条件下的车辆路径问题。针对运力充足下的调度计划,建立混合整数规划模型,并分别设计基于大邻域搜索的启发式算法以及基于“网点—车辆”匹配的分支定界算法对问题进行了求解。最后,进一步研究基于机器学习的分支定界算法。其次,本文对运力不足条件下的车辆调度问题进行了研究,引入了中班件的处理方法。根据实际运力构建了中班虚拟运力,建立混合整数规划模型。采用基于优先考虑满载率的启发式算法对问题进行求解。同时,基于机器学习,研究“网点—车辆”匹配的分支定界算法。最后,通过数值实验与案例分析,对比了算法间求解的性能,结果显示分支定界算法在求解该问题时,表现良好,特别是基于机器学习的分支定界算法具有很强的适应性,可有效提升实际运输调度业务中的决策精度与决策速度。