公路运输是军队后勤保障的一项重要组成部分。“货运车辆优化调度模型及其应用”是在地理信息系统（GIS）、GPS定位和通信技术的基础上，结合部队、地方汽车运输力量提出来的研究课题。 货运车辆优化调度(Vehicle Scheduling Problem --VSP)模型是最接近于实际应用的车辆优化模型。由于VSP是强NP难题，高效的精确算法存在的可能性不大，所以寻找近似算法是必要和现实的。结合公路运输问题，在前人思想的基础上，提出了两种解决VSP问题的启发式算法，即C—W节约启发式算法和分派启发式算法。 C—W节约启发式算法是对旅行商的C—W算法进行修正，在连接点对时，考虑时间约束，设计了解决时间窗的启发式算法。当不考虑时间约束时，其算法与C—W算法类似，只是在连接点对时，需考虑车辆的容量约束，即一条线路上各任务的货运量之和应不大于车辆的容量；当考虑时间约束时，车辆在任务处等待时，要计算等待损失和延迟罚款，对原费用值进行修正。 分派启发式算法是借助Fisher和Jaikumar任务分派算法的思想，将模型分解成一个分派问题和一个旅行商问题，对运输问题的表上作业进行修正用来进行任务分派，设计了直接处理多车场，在分派中安排路线（满足时间约束时，才能得到分派）的启发式方法。 车辆调度优化理论算法直接应用于军队公路运输指挥调度系统，将大大提高部队后勤保障能力，同时，数据挖掘技术为该算法提供了理论依据，有益于帮助部队高层决策。