随着经济全球化的发展，现代物流越来越受到社会各界的普遍关注。如何基于有限的物流设施、物流设备和运输车辆，综合集成车辆运输过程，使货物资源和运输资源实现优化组合，是物流管理实践中面临的重要课题。
　　本文重点研究了物流网络系统中多需求点车辆调度模型及其优化、物流运输时间控制模型及其优化、物流网络系统多种设施规划、反映交通拥挤程度的BPR(U.S.Bureau of Public Roads，BPR)路阻函数的改进等问题。主要研究内容如下:
　　(1)为使货物和车辆资源实现优化组合，提出了一类多需求点的车辆调度模式，在此车辆调度模式下，物流节点访问可多次化、货物可被转运、在途运输的车辆可参与调度、车辆载货量波动化的物流问题，并建立此类多需求点的车辆调度问题模型。
　　(2)多需求点车辆调度模型的求解采用改进蚁群算法、改进蚁群与粒子群混合算法。在模型优化过程中，所有车辆对所有货物进行可行路径搜索，实现了多需求点的访问，易于实现全局最优，减小了多仓库问题直接或间接转化为多个单仓库车辆调度问题中的局部求解。
　　(3)建立了物流运输时间控制的确定性模型，分别使用枚举法和遗传算法对模型进行了求解，并对计算结果进行了比较分析;在此基础上，从不确定性视角，考虑运输时间的不确定性，建立了物流运输时间控制的不确定性模型，设计了改进的遗传算法对模型进行了求解。
　　(4)以满足顾客需求为目标，构建了包括工厂、物流中心或配送中心等多种设施地理位置、规模、数量的规划模型，并采用粒子群算法进行了求解。
　　(5)针对利用BPR函数计算交通路段阻抗时，难以反映交通状况由畅通到拥挤的过程中交通量先增后减的问题，提出了两种更能客观反映交通实际状况的改进的BPR函数。