近年来,随着我国经济快速发展,物流领域进入了前所未有的发展阶段,物流行业受到越来越多企业的关注。然而我国运输配送费用占物流总费用的比重较高约为52%,提高运输效率,降低运输成本是促进物流行业稳健发展的重要途径。车辆路径问题是物流配送领域中的热点研究问题之一,其研究目的是结合配送实际情况合理规划车辆配送顺序从而达到物流成本最小化。车辆路径问题是一个典型的多目标组合优化问题,需合理衡量各成本之间制约关系,通过算法确定最优解。本文在对基于分解多目标进化算法改进的基础上,将其用于对带时间窗的车辆路径问题进行求解。本文主要研究内容如下:(1)针对传统分解多目标进化算法MOEA/D最优解的影响展开了深入的研究,给出改进邻域策略,该策略考虑子问题距离中心区域偏离程度和进化代数,提出一种新的多目标分解进化算法MOEA/D-INS,对选择邻域和替换邻域更新,动态调整邻域大小,以平衡算法的收敛性和多样性,提高解集在Pareto前沿分布的均匀性。通过算法性能有效性对比实验,本算法与其他经典多目标算法在测试函数进行性能测试。实验结果表明,与其他几种算法相比,在ZDT和DTLZ系列测试函数上解集的整体质量有显著提高。(2)将改进算法MOEA/D-INS用于求解多目标带时间窗车辆路径问题,考虑车辆配送成本和配送总时间的最小化。在给定配送中心以及配送目的地位置信息的基础上,利用分解算法将多目标问题分解成一系列单目标子问题,并行优化每个子问题,从而得到车辆路径规划路线。通过与NSGA-II和MOEA/D算法所得路径结果对比,可知改进算法求得的路径规划方案,车辆配送成本和配送总时间均有减少,表明了改进算法求解此类问题的有效性,为配送中心决策者提供更优的车辆路径规划方案,降低物流成本,求解具有实际物流背景的多目标组合优化问题提供新思想和新方法。