随着我国传统物流受到电子商务发展的冲击,物流企业充分认识到物流流程优化的重要性。为节约物流配送成本,提供合理的车辆调度方案,本文针对车货供需匹配进行了研究,发现存在着一些问题:忽略了客户服务点之间的距离、客户服务点要求的时间窗、装载货物的体积等实际因素。针对以上问题,本文考虑了三维装载(3DLP)与带时间窗的车辆路径优化(VRPTW)两个问题,对两者的联合优化进行了研究,并主要有以下工作和创新:1.分别对3DLP、VRPTW进行了详细的文献调研,并总结出两者在实际配送中是不可分割的,从而对两者的联合问题带三维装载及时间窗约束的车辆路径问题(3LCVRPTW)展开了调研工作,并选择在一种先装箱后路由的两阶段算法基础上进行优化。2.对3L-CVRPTW建立问题优化模型,定义了最小化车辆总行驶距离、最小化车辆数目、最大化最小车辆载重率、最大化最小车辆体积利用率4个目标函数,并考虑各函数的量纲不同,对各目标进行归一化处理。3.本文针对目前算法剩余空间的利用率低下的问题,提出了一种改进的偏随机密钥遗传算法(IBRKGA),分别在剩余空间的划分、更新、合并以及箱子放置策略方面进行了有效改进,最后利用BRKGA对箱子的放置顺序与放置方向进行优化,以提高客户装载率。最终在Martello数据集上测试,结果表现优异,68.75%的用例超过了同类算法。4.针对3L-CVRPTW,本文提出一种多阶段的混合算法(MSHA),分为装载、请求合并、车辆路径优化与路径内整合四个阶段,装载阶段使用IBRKGA为每一个客户独立装箱;增加了请求合并阶段,为独立装箱后不满足条带装填率阈值的客户计算相似度,并进行合并,从而使得两个客户的货物统一装箱,以提高装箱率。在GI系列实例中与P1R2进行了对比,在使用车辆数目上取得了不错的效果,并通过对相似度阈值的参数分析,证实了客户请求阶段的必要性。最后本文分别将MSHA与物流大数据平台结合,解决了物流真实货物配送,证明了本文算法的实用性,为物流配送企业的运营策略提供了指导意义。