随着中国经济的快速发展,中国零售业在过去十几年来也得到了迅速发展,开始呈现蜂群式特征,即在区域内门店数量越来越多、单店业务量小,但总需求量大。伴随不断扩大的企业规模和迅速扩张的店铺数量,使得零售物流成本持续增长。如何在满足所有店铺的配送请求前提下,有效控制并缩减物流成本,提升企业盈利能力,从而在激烈的市场竞争中脱颖而出,几乎是所有零售业管理者不得不直面的挑战。本文研究在这种新形势下的配送车辆路径安排问题,并根据其门店数的发展变化特征将其定义为规模动态增长的车辆路径优化问题。文章分别从配送网络的网点分布、现实约束、规模动态增长特性以及优化目标等不同层面展开详细介绍从零售企业实践中抽象而来的规模动态增长的车辆路径优化问题。建立以最小化配送费用、最大化不同场次线路间的相似性为目标的运筹优化模型,该模型考虑了运输网络规模大且带有不确定性不断增长的特点。并提出基于经验划分的三阶段启发式算法来解决规模动态增长的车辆路径优化问题,并用JAVA实现其核心的C-W节约算法和禁忌搜索算法。第一阶段,依据经验将大规模的车辆路径问题所覆盖的配送网络按照合适的原则划分成多个子配送区域,从而降低问题规模。第二阶段,对所有子配送区域的所有配送点,采用C-W节约算法产生初始解,并调用禁忌搜索算法优化初始解,形成配送线路方案,即主线路模板。第三阶段,每天,在收到当天需要配送的配送点及需求量等信息后,在主线路模板基础上,采用C-W节约算法将未出现在主线路模板上的配送点插入至最经济的位置、将线路模板上出现而未有需求的配送点直接剔除,形成每日配送路线方案的初始解；再采用禁忌搜索算法对初始解进行优化而形成最终的每日配送线路方案。因此,本文的研究目标不仅仅是一次配送线路的成本最小化,而是在整个考虑的时间段内每次配送线路成本总和的最小化。本文要解决的车辆路径优化问题来源于企业实践,是大规模的VRP问题,要求能够快速求解,并且能将优化的结果用来指导企业实践,因此要求优化解是可行并且可操作的。因此本文结合企业现有资源,基于经验划分的三阶段启发式算法的实现情况向外拓展,设计简单易用合适的人机交互系统来优化并记录配送线路。企业实践的结果显示模型和算法是高效且可行的。