伴随社会经济的快速发展,现代物流业的配送需求增长迅速,也促使城市环境问题日益突出,特别是以雾霾为首的空气污染问题,更是持续引起了社会的广泛关注。物流运输业是二氧化碳等温室气体的重要来源之一,公路货物运输产生的碳排放量在物流运输中占有重要的比例。如何在满足少批量、多批次的配送需求基础上,合理规划车辆配送线路,有效降低配送过程产生的能耗和碳排放,已逐渐成为了目前车辆配送路径问题研究的热点。本文以经典车辆路径问题(Vehicle Routing Problem,VRP)为基础,考虑车辆油耗及碳排放模型、时间依赖道路网络等问题,分别对静态网络及时间依赖网络下的多目标低碳车辆路径问题进行深入研究,主要研究内容包括以下几方面:(1)在既有研究工作的基础上,首先系统阐述了车辆路径问题、低碳车辆路径问题、多目标车辆路径问题及时间依赖车辆路径问题的既有的研究理论及实践,从优化目标,模型约束及算法设计三部分,总结分析了已有研究的不足,提出了多目标低碳车辆路径问题,具有很强的现实意义。(2)从节能减排角度出发,首先,从宏观维度和微观维度对油耗及碳排放模型进行对比分析,并确定使用综合油耗模型为本文油耗计算方法。其次,在已有研究成果的基础上,对VRP问题进行分类,并对基本车辆路径问题和带时间窗车辆路径问题的模型进行介绍。最后,对车辆路径问题的常用精确式算法、启发式算法和元启发式算法进行综述。(3)针对目前物流配送企业节能减排的实际背景,提出综合考虑车辆行驶速度、载重量及运行里程的碳排放计算方法,以三角分布量化车辆在行进过程中的速度变化,建立以系统总成本最低、车辆周转时间最小的多目标低碳车辆路径模型。同时,为提高NSGA-II算法在求解该类问题时的求解精度和收敛速度,将新兴多因子优化算法中协同进化和信息交互的思想用于对NSGA-II进行改进,提出增强型非支配排序遗传算法(ENSGA-II)。算例结果表明所构建的静态网络下的多目标低碳车辆路径模型能够综合考虑不同物流配送参与者的运输利益,可以为决策者提供有效支撑,所提出的算法具有更好的搜索性能和求解效率。(4)由于静态道路网络下的路径优化是理想化的优化模型,尽管具有一定的现实意义,但不足以高效指导实际生产任务。为此,考虑道路网络交通信息的动态性,通过分析离散的行程速度,根据速度变化划分了若干时区,使车辆行驶速度处于连续变化状态,并归纳了既有离散行程时间表示方法的不足,将离散的行程时间进行连续化处理,构建了连续行程时间函数,即路段行驶速度与路段行程时间具有时间依赖性,可根据出发时刻所属的时区,调用不同的行驶速度并计算不同的行程时间,采用非线性时间窗满意度函数来刻画客户的心理变化,进而计算碳排放量和时间窗满意度,模型能够反映实际交通信息的不确定性,计算过程更加细致化,所得优化结果更符合实际运输背景,建立时间依赖网络下多目标低碳车辆路径模型,并采用ENSGA-II算法进行模型求解,为决策者的决策方案提供有效依据。对时间依赖属性进行灵敏度分析,结果表明,运输任务所历经的时区不同,导致经济性和时效性不同,节能减排的效果也不尽相同,使得路径的规划更具有灵活性。