物流业是支撑国民经济发展的基础性、战略性产业,但目前物流成本仍处于较高水平,物流配送效率还有很大改进空间。有效解决物流车辆路径规划问题是提高配送效率和客户服务体验的关键。本文针对物流中相关的车辆路径规划问题进行研究,主要工作如下:(1)针对一对多对一的单车辆路径规划问题,提出了基于排序优先的多目标动态车辆规划算法(MOMASPF),同时优化物流配送中路径长度和配送工作量两个目标。通过模因算法搜索最优路径。并采用六种不同的服务策略模拟现实生活中物流配送过程的服务情况。在六个基准测试样例和四种不同的算法的比较试验中,证明了 MOMASPF的有效性。(2)为了进一步优化车辆路径规划问题,本文进一步提出基于三维动态需求预测模型的多目标模因算法(3DPMOMA),在动态车辆路径规划的基础上,对路径长度、服务时间、工作量三个目标同时进行优化,依据历史信息进行动态需求的预测,在准确预测动态需求出现的前提下,提前规划路线。当真实动态需求出现时,依据预测信息,快速响应动态需求,从而提高响应速度,提高客户服务体验。(3)最后,为了进一步提高静态节点的规划效率以及提升算法的性能。根据传输学习思想,本文提出了基于相似性匹配的多目标模因算法(SMMOMA)。在相似的历史问题中提取有用信息辅助解决现有问题。新方法先建立一个历史问题信息库,并提取每个历史问题的特征值,通过匹配当前问题与历史问题特征,寻找出最匹配的历史问题,进而学习其规划规则以达到促进当前问题求解的目的。本文在深入研究多目标动态优化的基础上,解决一对多对一的动态单车辆路径规划问题,提出了新型模因算法,有效的减少了路径长度。为了提高客户体验,缩短客户等待时间,提出了基于历史信息学习辅助解决新问题的方法,有效的提高了求解问题的效率和解的性能,本研究可为后来相关研究提供经验和借鉴。