互联网+环境下,电子商务业发展势头良好,物流服务需求与日俱增。物流派送作为最直接服务消费者的环节,受到多种因素的影响。当前,单一约束的车辆路径问题研究已相对成熟,而实际的派送过程由多种约束共同作用。因此,如何在多种约束同时作用下提高物流派送效率,成为当下物流派送优化中亟待解决的重要问题。针对物流派送服务受到的多种影响因素,对真实路况下大规模车辆路径计算与优化进行了研究。在分析前人研究的基础上,构建了基于多种约束的城市物流派送优化模型,并设计混合算法进行求解。主要研究内容如下:(1)针对车辆路径问题,对多种约束进行了具体描述,重点介绍了时间路径、混合时间窗、大规模派送简化、多通路选择等,突出了真实路况下的物流车辆派送环境,研究更加贴合实际。同时,对物流派送过程中的基础条件进行了假设和说明,根据实际情况,建立了以总成本最小为目标的城市派送优化模型。(2)为求解上述模型,设计了真实路况下大规模车辆路径优化算法。通过比较各种算法对初始解的依赖程度以及算法收敛程度,最终选择蚁群算法和禁忌搜索算法相结合的混合算法进行求解。然后,对混合算法的编码方式及步骤进行了说明,重点设计了有动态参数变化的适应度函数和有4种变化方式的邻域结构。(3)为验证上述模型和算法的有效性和适用性,结合快递公司的派送实例进行了实验。通过对给定数据的清洗、处理,得出基础实验数据,通过对算法参数的调试,得出关键参数值。结合上述模型和算法,求得最优派送路径。通过分析各约束对目标函数的影响,总结出物流派送车辆规划时应注意的问题和采取的方案,为物流公司提供了实用性的建议和新的工作思路,在保证公司利润的同时,还能紧跟国家政策,做到节能减排,合理利用社会资源。