世界各国的市场在进一步分化，全球范围内市场贸易的频度与数量都在显著的增长与提高，物流配送的效率已经成为识别整个企业乃至整个国家经济运行效能的。车辆路径问题是物流运输问题的核心问题，而且因为其研究方法及成果可直接应用于组合优化领域，因而自诞生之日起就得到了物流实施与理论研究界的大量关注，取得了非常巨大的研究成果。然而，由于当代经济与信息处理技术的局限，问题研究大多处于完全确定条件下，即假设在研究车辆路径之前所有的相关信息都已经确定的知道。现在，社会经济运行的环境比之以前了巨大的变化，首先，经济运行频度在不断的增加，这其中就跟随着出现巨大的不确定信息;再有，通信及计算机技术的高速发展不但使社会经济秩序免于因不确定信息的而可能引发的混乱，而且进一步促使人们利用这些不确定信息创造更多的财富。可以说，对不确定信息的处理方法与手段的成功与否直接决定了经济实体的效率和盈利。针对这种情况的产生、发展，本文对不确定信息车辆路径问题中的模糊路径问题进行研究，开展了如下的研究工作:　　本文在借鉴国内外研究成果的基础上，首先对不确定车辆调度问题及求解组合优化问题的软计算进行了理论综述，提出了求解思路。在对模糊需求和模糊行驶时间车辆调度问题描述的基础上，建立了相应的数学模型，并分别采用基于软计算的求解思路设计了相应的遗传蚁群混合算法，通过实例验证了方法的有效性。　　尽管本文对的模糊车辆路径问题模型及其求解算法做了一定的研究，但在此方面还存在大量工作需要完成。实际的物流调度系统集成化的程度越来越高，物流管理者面临的问题也就越来越复杂，车辆路径问题本身就是一个NP问题，当前对问题的认识还不够深入，所建立的数学模型也多建立多种的假设，人为的减化了问题的难度，这使理论研究成果在实际运用中受到局限。因此，对物流调度问题进行系统性的，深入的研究是非常必要的，而且随着理论研究的进一步深入也将促进实际车辆路径问题与信息系统的更好融合，最终提高物流作业效率，提高物流作业信息化水平。同时，尽管当前软计算方法已经成功解决了许多实际问题，但在其理论体系及应用研究仍然有许多问题需要解决。