国家市场经济的繁荣,推动了物流产业的迅猛发展,物流业总收入逐年增长。然而在这个发展过程中,也暴露出物流业成本过高,尤其是运输费用过高、效率过低的弊病,控制并降低运输成本,提高物流经济效益,合理规划车辆运输路径是物流业当前急需解决的问题。多配送中心的车辆路径问题是VRP问题的扩展,它一般研究的是有多个车场同时对若干个客户进行服务,每个客户都有一定的货物需求。所要解决的是确定客户由哪个车场进行服务并具体安排访问路径,以便达到消耗最低、时间最短等目标的问题。本文以物流运输中的多配送中心车辆路径问题为研究背景,考虑带有软时间窗情况,建立动态优化模型。作为运输组织优化中的核心问题之一,VRP问题是NP难度的组合优化问题,使用经典动态规划方法解决VRP问题,将面临着随问题规模扩大而引发的维数灾问题。为此,本文引入近似动态规划算法。近似动态规划算法是近年来发展迅速的一个领域,在资源配置、库存控制、供货风险管理、城市交通控制、供应链管理、车辆路径问题等实际问题上有很多成功应用。首先,本文对MDVRP问题进行了数学描述,建立起了考虑载重、行驶里程、返回车场、拜访客户次数等约束的双层规划模型,上层模型决策者将每一位客户分配给各配送中心,下层问题转化为单配送中心车辆路径优化问题。上层模型采用改进后的聚类分析法进行求解,将客户按照距离及时间离散度要求分配给各配送中心。下层问题从时间、动作、状态、转移方程、成本函数等要素入手将其建模为马尔可夫决策过程,并使用近似动态规划算法进行求解。然后,本文对影响算法性能的要素如初始值、步长及探索率等进行详细解释并最终确定参数数值,其中采用滚动算法生成的初始值能最大程度地接近真实值,使算法取得了更好地成果。最后,为了便于对算法性能效果进行比较,本文设计了经典现代启发式算法之一的模拟退火算法对同一个算例进行模拟分析。实验表明,相较于模拟退火算法,值函数近似算法对路径的探索更加充分,在规模不大时能够在一定的时间内得到比模拟退火算法效果更好的结果。但是从实验中也可以明显看出,客户数目较多时,状态与决策空间迅速增大,算法访问的状态与所做决策增加,计算时间增长,值函数的近似与更新速度变缓,取得近似最优解的时间明显变长。