制造业中生产原料、半成品以及成品之间的运输往来十分密切,生产制造企业在降低物流成本的同时还应考虑最大限度的降低对于环境的影响。车辆路径问题（VRP）是物流运输中研究较为广泛的一类问题,在VRP的基础之上引入车辆排放和燃料消耗等研究目标就构成了绿色车辆路径规划问题。本文以制造业中车辆货物运输为研究对象,通过合理规划车辆的行驶路线,来实现绿色低碳的车辆运输。首先,引入NTM模型（Network for Transport Measures）中车辆运输燃料消耗计算方法,建立了一个同时考虑车辆的行驶距离最小和二氧化碳排放量最少的多目标绿色车辆路径规划模型（Multi-Objective Green Vehicle Routing Problem,MOGVRP）,并以此来探究车辆运输中碳排放和行驶距离之间的权衡关系。其次,使用启发式算法——交叉熵法对该优化问题进行求解。针对MOGVRP问题的特点,在交叉熵算法中引入非支配解排序来实现多目标优化,并在交叉熵算法迭代过程中设置随机扰动,防止算法过早收敛陷入局部最优。同时还对交叉熵算法的种群大小、迭代次数、平滑系数的设置进行探索,并在此基础上对不同规模的MOGVRP算例进行求解以此来验证算法的有效性。在小规模算例方面,将多目标交叉熵法与CPLEX商业求解器的计算结果进行对比;在在大规模算例方面,将多目标交叉熵法与NSGA-II遗传算法计算结果进行对比。计算结果表明,多目标交叉熵法相对于CPLEX求解器可明显缩短计算时间,相对于NSGA-II遗传算法可获得更好的非支配解。最后,对MOGVRP问题的影响因素进行了分析研究,路径成本与车辆行驶路径有关,碳排放成本不仅与行驶距离有关,还与车辆的负载和交通状况有关。为此,通过设置一系列的数值实验来研究客户货物需求量均值与方差以及运输节点之间的交通状况对于MOGVRP问题求解结果的影响,实验结果表明:1)最短的车辆行驶距离和最少的二氧化碳排放量不能同时取得,车辆行驶距离最短时二氧化碳的排放量不一定最小。2)车辆的负载和运输节点之间的交通状态对碳排放最优时的行驶路径影响较大。3)客户节点的需求量会影响车辆的负载,在客户需求量均值低和标准差小时,减少碳排放的空间较小,此时车辆的行驶距离是运输成本的主要影响因素。4)交通状态对于车辆碳排放的影响大于负载变化对碳排放的影响,仅考虑车辆负载变化时,最多可节省1.7%的二氧化碳排放;同时考虑车辆负载和交通状态时最多可减少16.58%的二氧化碳排放量。