车辆路径规划问题（Vehicle Routing Problems,VRPs）主要研究车辆的调度和车辆路径的规划。在现今物流网络愈发复杂的时代,车辆路径规划问题成为物流业中的重中之重,绿色车辆路径规划问题（Green Vehicle Routing Problems,GVRPs）和动态绿色车辆路径规划问题（Dynamic Green Vehicle Routing Problems,DGVRPs）由于模型中含有多个目标函数,且具有动态变化特性,因此,对于此类问题的研究成果和解决方法均较少。本文研究DGVRPs,根据实际客户的动态需求,搭建可行的多目标模型,提出有效的求解算法。对于GVRPs,考虑用车辆燃油消耗衡量碳排放量;为减少电商平台的总成本,设计含有软时间窗的配送收益惩罚函数;由于配送收益不均衡会导致争议,对电商平台的配送员造成负面影响,因此设计配送员的收益平衡函数。基于以上三个函数,搭建基于配送收益均衡的多目标绿色车辆路径优化模型。然后,提出了融入变邻域搜索算子的NSGA-II算法（VNS-NSGA-II）,该算法将四种不同的变邻域搜索算子融入NSGA-II算法框架中,并设计修复策略保证生成新解的合法性。最后,在基准算例上进行仿真实验,以验证模型的可行性和算法的有效性。此外,考虑到实际生活中,部分客户会在配送过程中变更需求,进一步研究收益均衡的动态GVRPs。首先,在静态模型基础上搭建动态模型。然后在NSGA-II算法框架下,设计带有自适应删除算子和插入算子的动态响应策略,并提出二次配送策略,以进一步提高算法的求解性能。最后,在基准算例上,通过与静态GVRPs的对比,利用最优解集的超体积值和拐点对应的燃油消耗和收益方差,验证模型和算法的有效性。实验结果表明,本文搭建的相关模型能够有效减少配送员的收益差距,并生成较小的燃油消耗解决方案,所提出的算法也能在较短时间内搜索到均衡的最优解,在静态和动态问题上均具有较好的求解性能。因此,本文工作对于物流成本问题,能够为电商平台提供既节约成本又提高客户满意度的解决思路和决策方案,同时能够减少碳排放量,保护环境,具有一定的理论意义与实际应用价值。该论文有图22幅,表9个,参考文献79篇。