面对规模庞大的在线交易系统以及巨大的竞争压力,物流公司需要不断提升自身的服务质量以及降低成本。车辆路径问题为物流公司规划合理的配送路线,对降低物流公司的运输成本和提高其服务质量都具有很重要的意义。本文重点研究了多阶段车辆路径问题和绿色车辆路径问题。针对多阶段车辆路径问题,本文设计一种混合式的启发式算法,能够对超过两阶段的大规模车辆路径问题进行求解。为了提高搜索解的质量,本文提出一种负载平衡策略,使得解的搜索过程可以快速从负载不平衡状态变迁到平衡状态。该算法把多阶段车辆路径问题分解成不同的子问题,利用最后一个阶段的独立性,并结合并行优化的思想,本文设计混合策略模拟退火算法来解决最后阶段的车辆路径问题,并采用线性规划对中间阶段进行精确求解。实验结果表明,在66组基准数据集上,目标值与最优解平均偏差2.4%,其中56.06%的数据集能求出最优解;与现有的精确算法相比,与其最终解平均偏差2.8%;相比现有的精确算法,该算法能够处理更大规模的问题以及任意阶段数量的车辆路径问题。在以能耗为优化目标的绿色车辆路径问题中,本文提出并行混合策略模拟退火算法。本文从实际的角度出发,选择了车辆负载和行驶距离作为影响车辆能耗速率的关键因素,并建立能耗速率与车辆负载以及车辆行驶的距离之间关系。在此基础上,建立绿色车辆路径问题的模型。利用在多阶段车辆路径的研究成果,负载平衡策略被有效的运用到解决绿色车辆路径问题的算法设计中。在同样迭代次数的条件下,并行计算有效的扩大解的搜索范围。实验结果表明,相比优化前的算法,目标值平均减少了42.49%,方差平均减少了86.41%。