目前,我国物流业正向高度专业化和社会化方向发展。物流配送对物流企业增加利润起着关键作用,而车辆调度问题是物流配送的核心问题。因此,对车辆调度问题(VSP)的研究具有非常重要的意义。VSP是一个典型的NP难题,应用纯粹的数学方法难以求解。随着智能优化技术的发展,越来越多的研究人员用智能方法来解决车辆调度问题,这些智能优化方法主要包括:遗传算法、模拟退火算法、禁忌算法以及人工神经网络等。但是从目前的研究状况来看,基本上都还只是对比较简单的车辆调度问题情况进行研究,而且成果比较分散,无论是研究的深度和广度,都不能满足当今物流业迅速发展的需要。针对上述问题,本文在车辆调度问题现有的理论成果基础上,运用智能方法对各种静态非满载车辆调度问题作了比较系统的研究。首先通过相关文献的总结提炼,较为全面地总结了国内外车辆调度问题的研究现状和研究过程中所存在的不足。然后运用遗传算法、模拟退火算法、禁忌算法以及神经网络中的霍普菲尔德模型对单车场容量约束情况下的车辆调度问题进行优化,并且针对具体情况下不同智能算子的特点进行改进,寻求优化车辆调度问题性能最好的智能算法。最后应用健壮性最好的智能方法对各种静态情况下的车辆调度问题进行研究,这些情况主要包括:单车场容量和时间窗约束VSP,单车场多车型约束VSP,单车场复杂情况VSP,多车场单车型VSP,多车场多车型VSP,单车场非满载集送一体化VSP,多车场非满载集送一体化VSP,多车场开放式VSP等。本文对各种静态情况下的车辆调度问题都进行了试验并且给出了代表性的算例,通过与同类文献的比较,显示了本文所提出的智能方法对优化车辆调度问题的有效性和可行性。