随着中国移动支付的普及，人们的购物习惯发生了巨大变化，促使网上交易规模爆炸式增长。日益繁荣的电商市场，给电商物流企业带来机遇的同时也带来了挑战。这些挑战使得电商配送网络的运营成本、配送时效性和服务水平成为了电商物流企业获得竞争优势的关键因素。因此，以降低电商配送网络的运营成本、提高配送时效性和服务水平为目标，对电商配送网络路径优化问题进行研究，能够增强电商物流企业的整体竞争力，提高整体响应速度。本论文从电商配送网络的实际运作层面出发，结合现实特征，从问题特性、模型建立和算法求解的角度深入研究电商配送网络路径优化问题。主要研究成果总结如下：
　　（1）建立了电商配送网络中基于不同补给成本的多仓库车辆路径问题的数学模型，目标为最小化所有前置仓库的补给成本和从前置仓库到客户的配送成本之和。在目前的电商物流配送中，由于原材料、到前置仓库的距离、前置仓库所在地的劳动力成本等因素导致前置仓库的单位补给成本存在差异。基于这一特征，研究了电商配送网络中基于不同补给成本的多仓库车辆路径问题。首先，根据问题特性，提出有效不等式增强模型。其次，设计一种改进禁忌搜索算法获取最优或近似最优解，并基于拉格朗日松弛算法，应用动态规划方法求得该问题的下界。在实验部分，通过算例验证了所提出的模型与不等式的有效性、改进禁忌搜索算法能够获得高质量的解，且拉格朗日松弛算法能够获得好的下界。最后，基于多仓库车辆路径问题的标杆算例添加补给成本改进算例进行数值实验，测试结果表明同时考虑仓库补给成本和到客户的配送成本的网络结构优于只考虑到客户的配送成本的网络结构。
　　（2）建立了电商配送网络中基于订单发布时间的多车次车辆路径问题的数学模型，目标为最小化所有车辆的配送完工时间之和，其包括车辆在仓库的等待时间与车辆的运输时间之和。在该问题中，车辆需要等待直到分配给它的所有订单都能在仓库中获得（订单发布时间）。目的是通过路径优化减少车辆在仓库的等待时间、提高电商物流企业的整体响应速度和配送时效性。针对该问题，首先提出了单车辆多车次的最优解性质，并基于该性质设计了带标签过程的自适应大邻域搜索算法。在实验部分，通过与相关文献标杆算例结果和CPLEX优化软件求解实际数据的结果作对比，验证了该算法的高效性，并进一步证实了该算法中相关算子的有效性。最后通过大规模算例测试结果对比分析，不仅验证了订单发布时间对优化电商配送网络结构的重要性，还表明了本章设计算法可以有效指导电商物流企业平衡配送时效性和运营成本。
　　（3）建立了电商配送网络中产品与服务同时配送的带时间窗和订单发布时间的车辆路径问题的数学模型，目标为最小化所有车辆的配送成本之和。在当前电商物流配送中，经常遇到一些产品在配送到客户的过程中不仅需要考虑订单发布时间，还需要技术人员上门安装服务等情形。在该问题中，车辆出仓配送时间必须晚于其运载的所有订单的最大订单发布时间，且车辆所配备的技工技能不能低于其运载的订单中产品所需的安装技能。目的是通过路径优化减少车辆在仓库的等待时间、并使得产品和服务在客户预约时间窗内准时送达提升客户体验。首先，根据问题特性，提出了有效不等式增强模型。其次，设计一种包含三个新的定制算子的自适应大邻域搜索算法。在实验部分，为了衡量该算法的效果以及相关算子的有效性，将其与相关文献标杆算例结果和CPLEX优化软件求解实际数据的结果相比较，验证了该算法能获得最优或近似最优解，并证实定制算子发挥了重要作用。最后，对影响目标函数的两个因素：时间窗长度和产品与服务配送模式分别进行测试，并对测试结果进行了分析总结。