随着经济社会的快速发展,物流行业也随之蓬勃发展。物流的目标在于企业使用最少的费用满足消费者的需求,其中物流配送的核心是车辆调度、货物配装和送货线路优化。在面对多重组合NP难题的VRP问题时,构造合理的算法既能满足车辆、时间、货物类型等多种约束条件,又可以提高企业的运作效率,降低车辆配送成本,实现物流的科学化。在现实世界中物流问题是涉及多个地域、多个品类、多种运输网络的巨型系统,因此大规模的物流配装逐渐成为研究趋势。面对大规模的客户量配送和多种需求的客户要求,启发式算法的不稳定性和耗时过久已经不能友好解决问题。为了满足企业的低成本、客户的高要求,突破原有算法的局限性,本文提出了分区组合算法(Partition combination algorithm,PCA)用于解决多重组合的车辆路径问题。分区组合算法,通过划分客户区域降低物流计算难度和成本问题,能够合理的解决大规模客户物流配送在车型分配复杂、路径过长、耗时过久等一系列问题。本文基于PCA在VRP问题中的实际应用和软件仿真,验证了模型的有效性和算法的可行性。主要研究内容如下:(1)根据车辆车公里成本模型的研究,分析了不同车型和距离对车辆成本的影响。在此基础上提出了分区组合配送客户和多车型车辆协同配载客户;同时针对大规模物流配送中客户的地理位置分布对客户进行行政区域划分,按照地理空间中对象的方位关系和距离关系,对区域进行邻接关系的构建,并给出了分区组合配送涉及的相关名词定义。(2)基于车辆成本约束设计出三种区域组合,涵盖了实际运输中出现的客户组合的所有问题,分别是独立区域组合、半独立区域组合和相邻独立组合。在三种组合约束下,根据区域距离仓库远近、区域内货物量,设计了多车型的车辆分配方法,保证在满足最优装载率的条件下使用车辆最少;同时在不同的组合约束中,设计了跨区域车辆配送和跨组合车辆配送。(3)以“步步高”连锁超市的实际数据进行了多组实验分析,分区组合算法使用多车型全局配送,实现了车辆跨区配送,提高了车辆的装载率,降低了配送里程。将实验结果与遗传算法进行对比分析,当客户数量较少且分布聚集时遗传算法里程节约1%～6.5%,但是产生的耗时是分区组合算法的1200～2000倍;当客户数量较多或分布广泛时,分区组合算法在耗时和里程节约均具有优势,且分区组合算法节约里程约为10%～35%。