车辆的路径优化是物流配送中重要的一部分,可以有助于节约企业的资源、提高服务水平和配送效率。然而,配送车辆在执行任务的过程中常常面临许多干扰事件的发生,如配送车辆发生故障、客户的取消送货、以及客户的送货时间改变等。物流企业通常在解决这些干扰事件时,仅仅以配送成本最低为目标来优化路径。但事实上,干扰事件会对多方面因素产生影响,如果物流企业仅单一的优化成本,将不可避免地导致其它方面的损失。因此,在应对干扰事件时兼顾多目标优化,将会使物流企业得到更长远的发展。首先,本文建立了客户价值评价体系,利用K-means算法聚类出客户的分类结果。以客户时间窗的变化作为物流配送的干扰事件,考虑客户满意度、路径偏离和成本偏离三个目标,构建了多目标字典排序的干扰管理模型。同时根据干扰管理思想,提出干扰辨识、干扰度量和干扰策略,并提出将客户价值理论与前景理论相结合的扰动度量方法。然后,设计了蚁群和模拟退火算法相融合的混合蚁群算法(ACO-SA)。算法改进了状态转移规则和信息素更新方式,并利用模拟退火算法根据最优解的情况动态的调整蚁群算法参数,通过这些改进策略来提高蚁群算法的性能和解决多目标车辆干扰问题。最后,利用文献数据对混合蚁群算法和干扰管理模型有效性进行验证。通过与其他文献数据、Solomon算例的测试,并结合与其他算法的比较,全面验证了混合蚁群算法的性能。此外,根据物流配送的实际需求开发了物流调度管理系统,利用SSM框架技术帮助完成所有功能的搭建工作,方便对所有信息进行管理;Matlab的GUI程序以本文的混合蚁群算法作为配送算法,生成运行成本最小化的方案;Java Script技术通过百度api帮助展示了配送车辆在实际地图中的配送路线。系统从整体上可以实现信息录入、生成配送方案,信息管理等功能。