近年来,中国的物流行业有着巨大的发展,其市场规模已经跃居世界第一,成为了中国经济增长的新亮点,同时各大电商巨头,物流企业都取得了飞速的发展。然而,中国物流行业的综合竞争力仍然不高,与其巨大的市场规模有着极大的反差,与发达国家的差距依然很大。为了提高物流业的服务质量和综合竞争力,考虑客户的各种需求约束,利用计算机技术为企业的运输业务提供智能化的线路规划方案是非常重要的,这正是本文所要研究的多约束车辆路径问题。多约束车辆路径问题是有区别于传统车辆路径问题的一个优化问题。传统的车辆路径问题主要研究某一方面的约束优化,也仅仅只能解决某一方面的问题;而多约束车辆路径问题是综合考虑多种实际需求,能够解决一系列约束组合。本文所研究的多约束车辆路径问题,考虑以下五种约束:载重,多配送中心约束,多趟次约束,多时间窗约束,多车型约束,其中后四种被称为“四多约束”,而且这几种约束可以任意的组合。针对所研究的问题,本文基于变邻域搜索算法设计了一个叫做通用车辆路径算法的元启发式算法,在该算法中设计了很多的操作算子来辅助算法的深入优化,同时还设计应用了其他的一些启发式算法帮助处理各种约束。该算法的首要目标函数为最小化总车辆数,次要目标为最小化总距离或者总成本,主要分为三个阶段,第一阶段为初始解的生成;第二阶段为利用改进的变邻域搜索算法进行初步优化,得到初步优化的解;第三阶段则以上一阶段的优化解为初始解,针对具体约束进行优化,并得到最终的算法结果。然后,为了验证所设计算法的正确性和有效性,本文分三个层次六个子问题对算法进行了算例测试,分别为第一层次:取基本的车辆路径问题的标杆算例进行测算;第二层次:分别针对多配送中心、多趟次、多时间窗、多车型约束进行算例测算,以及第三层次:验证算法对“四多约束”组合在一起的处理能力。通过对标杆算例或者本文自己生成的算例的数值结果的对比分析,表明本文所设计的通用车辆路径算法的正确性和有效性。不管是考虑算法的精确性还是时间效率,不管是相对于一些标杆算例或者自己设计生成的算例,本文的算法均有非常强的竞争性。