随着汽车产业升级、城市交通道路限行规定的推出,传统燃油配送车辆不再适用于城市配送,促使配送企业引进新能源电动车辆和相关设施,以响应政府城市交通管理政策,保证配送效率,增强企业核心业务竞争力。纯电动汽车车辆路径问题(Electric Vehicle Routing Problem,EVRP)是近年来受到关注的研究问题,由于电动汽车通过充电可延长受限行驶里程的特点,EVRP的研究重点在于分析电动汽车充电特点从而考虑里程约束对规划结果的影响。当前EVRP问题中仅考虑由一个配送中心向客户进行配送,在实际城市配送中,往往存在多个配送中心,需确定客户配送服务对应的配送中心。目前,EVRP的研究成果越来越多,但针对多车场的EVRP研究较少,有待进一步完善和改进。本文通过研究电动汽车特点,建立模型及设计两阶段混合算法深入研究含时间窗约束的多车场电动汽车车辆路径问题(Multiple Depot Electric Vehicle Routing Problem with Time Windows,MDEVRPTW),丰富现有研究并为企业路径优化提供理论依据。本文阐述了国内外电动汽车市场规模和政策环境,基于电动汽车充电模式、充电站建设现状、城市配送特点,刻画电动汽车在电商快递和城市配送末端配送的应用场景;在经典多车场车辆路径模型的框架上,以包括配送途中快速充电和配送中心夜间充电的两类充电费用、车辆固定费用、行驶费用和惩罚成本的总配送成本最低为优化目标,构建了含时间窗约束和电量约束的MDEVRPTW模型;该模型的求解采用两阶段混合算法,首先利用K-means算法将客户分配给各车场,完成多车场问题的拆分,然后利用蚁群算法对单车场含时间窗的EVRP进行求解,受载重及剩余电量约束并考虑充电特点,分别制定蚂蚁在车场、客户、充电站三类节点时的搜索策略,对蚂蚁完成所有客户路径的判断条件进行改进;设计算例验证模型与算法的有效性并与其他算法的计算结果进行对比;采用京东物流的配送数据进行案例分析,利用本论文的模型与算法进行求解,得到京东物流引入电动汽车后的车辆路径规划方案,验证本论文模型与算法的实践可行性。