针对车辆路径问题“规模增大导致组合爆炸”这一难题,从缩减解答空间入手,以节省求解时空为突破口,综合运用知识工程、模糊聚类分析、人工智能和运筹学理论,按照“物流配送区域及客户的聚类分析→车辆路径方案的智能生成→模型的构建及求解”这一研究思路,重点开展了以下研究工作:(1)物流配送区域及客户的聚类分析。提出物流配送区域及客户聚类的原理,分析并总结影响配送过程的主要因素,以此对配送区域及客户进行初步划分,并采用模糊聚类分析方法细分各配送区域中的客户。配送区域及客户的聚类分析为形成后续的车辆路径方案智能生成方法奠定基础。(2)车辆路径方案智能生成方法及其数学模型的构建与求解。在配送区域及客户聚类分析的基础上,总结归纳生成车辆路径方案的主要参数,设计带有控制策略的基于深度优先搜索的车辆路径方案生成算法,得出备选的车辆路径方案集合。构建并求解车辆路径方案整数规划模型,并设计邻域规则,将车辆路径方案的解映射为实际的行车方案。(3)车辆路径方案智能求解系统的设计与实现。设计了由配送区域处理器、车辆路径方案生成器、车辆路径方案求解器三个主要模块组成的物流配送车辆路径方案智能求解系统,设计了求解体系统中的数据库和知识库。采用Java技术、SQL Server2000数据库、Amzi Prolog、运筹学求解软件Lindo等相关开发环境与技术实现了车辆路径方案智能求解系统。(4)应用研究及车辆路径方案智能求解系统的性能分析。以北方食品公司猪肉配送问题为应用研究背景,开展车辆路径方案智能生成方法及其求解系统的实际应用研究,验证本文所提方法的有效性。并根据问题中两个关键参数的变化组合,对车辆路径方案智能求解系统进行性能分析。研究结果表明,本文提出的求解车辆路径问题的新方法,其求解问题的效率并不随问题规模的增大而迅速较低。本项研究为解决车辆路径问题这一复杂的管理决策问题提供了一种定性推理与定量分析相结合的求解方法。其研究成果与研究团队已有的基于GIS的电子商务物流配送可视化信息平台、物流配送等值线生成系统、电子商务订单实时处理的智能系统、车辆监控与调度系统进行集成,可为物流配送中心的车辆实时导航、调度、监控工作提供决策支持。