随着电子商务的迅猛发展,国民对物流运输的需求飞速上升,物流相关企业如雨后春笋般涌现,如何降低物流运输成本成为物流行业发展的关键问题。近年来,一部分学者将前沿技术与物流规划问题相结合,衍生出了智慧物流这一研究领域。装箱和车辆路径规划问题是经典的NP-Hard问题,一直是物流运输领域研究的重点。在很多场景中,物流运输中需同时考虑装箱和车辆路径规划,并且通常有多种备选车型。因此带装箱约束的多车型车辆路径规划问题具有较大的研究价值和实用性。基于某汽车制造企业实际的业务场景需求,本文研究了带二维装箱约束的需求可拆分多车型车辆路径问题。基于问题特性,本文提出了一种基于整柜生成、尾柜生成及路径优化的两阶段启发式算法。在整柜生成阶段,采用了块生成结合前瞻性的树搜索的装箱算法对问题进行求解。在尾柜生成阶段采用基于天际线的快速装箱策略,并且创新性的对浪费空间进行了应用。最后,使用禁忌搜索及动态规划的方法分别对路径进行了路径间优化及路径内优化操作。算法设置了随机扰动机制以跳出局部最优。在计算实验中,本文基于企业实际数据集构造实验测试算例。通过与CPLEX求解器计算结果对比验证了所提出方法的有效性。通过两阶段启发式算法结果与仅包含天际线装箱及路径优化的单阶段算法结果对比对两阶段算法进行了性能分析。另外,应用本文算法实现了根据是否包含两种不同约束条件而衍生出的原问题的四种变体问题,约束条件分别为“是否允许物品旋转”及“是否按照站点访问顺序依次装载货物”,并分析了不同的约束条件对优化目标的影响。最后,根据实验运行结果对本文算法进行了收敛性分析。此外,还实现了装箱方案的可视化,为实际的装箱操作带来便利。