近年来,随着电子商务的快速发展,物流企业的重要性越来越突出。目前我国的物流运输费用占总费用的50%以上,对能有效改善运输成本的车辆路径问题(VRP)的研究显得尤为重要。在物流配送过程中普遍存在诸如突发车辆故障、道路堵塞、客户需求变化等不确定事件,使得原配送路线不经济或不可行。如何快速实时地调整原配送方案,使得突发情况下,配送方案仍旧达到最优,是现阶段VRP研究面临的重要问题。为了解决以上问题,本文将人工智能和知识工程领域的理论引入不确定信息VRP问题的求解,按照“VRP问题的知识表示→构建案例库→案例检索→案例知识重用”这一思路,从基于案例推理的知识重用角度解决突发状况下的VRP问题,以提高VRP问题求解系统的智能化和实时性。本文首先在对VRP问题和知识表示进行理论梳理的基础上,提出了一种VRP问题的树状知识表示法。设计了VRP问题知识表示支持系统的体系结构,通过编辑启发式输入窗口,辅助非物流专业人员进行物流信息的输入。采用prolog语言对VRP问题的知识描述树进行表述,生成了VRP问题的知识化信息模型,为后续VRP问题建模求解时调用。构建了基于VRP问题树状知识表示结构的案例库。提出了一种基于案例属性重用度的权重确定方法(Reusability of Attributes,简称RA法),实现了突发情况下,案例属性权重的实时计算和动态更新。在此基础上,提出了一种多层加权的相似度计算方法(Multilayer Weighted k-Nearest Neighbor,简称MWK法),考虑了VRP问题属性之间的多层隶属关系,改进了传统算法中不考虑属性之间相关性的缺陷。用MATLAB编程实现了这两个算法。最后以某大型连锁超市为应用背景,运用VRP问题树状知识表示方法、RA法和MWK法,对该超市配送过程中产生的突发问题进行了分析和计算。实验结果表明,将本文提出的方法综合应用,在计算效率、结果的查全率和分辨率上均有改善。本文的研究是人工智能、知识工程以及运筹组合优化学科的交叉与渗透,为从基于案例推理的知识重用角度解决不确定信息VRP问题,为提高问题求解的实时性和智能化提供了研究思路和解决方法。