随着电子商务的迅猛发展,城市配送在社会发展中扮演着越来越重要的角色。传统的配送业务主要基于燃油车来开展,但燃油车具有碳排放高、燃料成本高等缺陷,不利于环境保护和企业运营。随着电动物流车的日渐普及和相关政策的指导,越来越多物流企业开始组建电动车与燃油车混合车队来完成配送。当前关于电动车与燃油车混合配送的研究才刚起步,尚无有效的精确算法提出,且未能有研究将换电设施选址与混合车队路径规划进行集成决策。针对现有研究背景,本文基于分支定价算法,对电动车与燃油车混合车队的配送问题进行了探讨。首先,针对燃油车与电动车混用的情形,综合考虑两者在最大载重、最大行驶里程、运营成本的差异,以及电动车的充电行为,研究了带时间窗的电动车与燃油车混合车辆路径问题。构建了该问题的整数规划模型,并基于Dantzig-Wolfe分解原理将所建模型重构为主问题和子问题模型。就问题较小规模和较大规模两种情形分别设计了能快速获得初始解的启发式规则和遗传算法。以此为基础,设计分支定价算法获取最优解,并通过与CPLEX的对比,验证模型和算法的正确性,通过与自适应大规模邻域搜索算法和多起点迭代局部搜索算法的对比,验证分支定价具有更高的求解质量。其次,在混合车辆路径问题基础上,进一步考虑企业采取自建换电站的配送模式,建立了基于换电模式和带时间窗的电动车与燃油车混合车队选址-路径问题的整数规划模型,对换电站选址与混合车队路径规划进行联合决策。由于混合车队选址-路径模型集成了选址、路径规划以及车型配比等多个因素的决策,求解十分困难,本文基于D-W分解原理将所建模型重构为主问题和子问题模型后,针对其子问题模型提出了7种启发式加速算子,并在列生成中嵌入自适应选择机制,设计了一种带有自适应选择机制的启发分支定价算法。进一步将该算法与CPLEX和自适应大规模邻域搜索算法对比。实验结果表明,该算法在求解稳定性、求解速度、求解质量方面均优于对比算法。最后,就车型配比、载重、电池容量、充电率、建站成本、换电时间等因素对配送系统总成本的影响进行了灵敏度分析,并对企业提出了相应的管理建议。