随着信息网络技术的迅猛发展和全球化进程的推进,人们的消费方式和消费习惯也在发生着改变。当代的商品交易方式使得物流配送成为了商品交易的最后一个步骤。在当前激烈的竞争中,传统的物流配送已经远远不能满足当前的物流需求,电商企业应提供多样化的物流服务来吸引客户。面对客户多样化的需求,物流企业需要提高配送设备的质量,改善服务质量,增强企业在行业内的竞争力。本文针对B2C环境下物流需求的特点,提出了和时间窗有关的两类车辆路径问题。第一类,在当代电子商务模式下,客户配送时间窗具有很强的灵活性,不同于传统的配送模式,在对客户进行配送时,客户需求可以在一定时间范围内进行延迟配送,我们将客户的配送时间窗划分为多个阶段,根据时间约束条件判断客户需求是否满足延迟配送的条件,能否将其延迟到下一个阶段进行配送。在每个时间阶段内根据提出的惩罚函数将客户分为可推迟客户和不可推迟客户,设计评价指标对可推迟的客户进行处理,选出符合条件的可推迟客户插入到配送路径中,建立多阶段动态车辆路径问题的模型,设计改进的自适应遗传算法对模型进行求解,最后通算例仿真对模型和算法验证了其有效性。第二类,研究了车辆路径中的多目标问题,订单在客户的时间窗内的及时配送直接影响着客户的满意度,大部分的车辆路径问题都是以成本最小化为目标,本文提出了包含配送成本最小化(包括车辆的固定使用成本、行驶成本、超出时间窗所带来的惩罚成本)、客户满意度最大化、使用车辆数最少化等三个目标的多目标车辆路径模型,设计相应的惩罚函数,并通过线性加权法对多目标函数进行处理,将其转化为单目标函数,而后用改进后的遗传算法进行运算,最后进行实验仿真来验证模型和算法的有效性。