随着国家及社会经济的飞速增长,物流产业得到了高速发展。研究物流车辆路径规划可以提高物流产业的发展质量。如今,物联网、云计算、北斗导航等技术在生产生活中大量普及,这使得在车辆路径优化时有能力考虑更多的实时信息,而物流产业的众多新业态也需要在车辆路径优化时考虑实时信息。研究考虑多种动态要素的动态车辆路径问题,对于降低物流成本、提高顾客满意度,进而提高整个物流系统的稳定性具有重要意义。在传统静态车辆路径问题的基础上,研究了动态车辆路径问题,同时考虑多种动态要素对车辆路径优化的影响,包含客户新增需求、客户原有需求变更、车辆偶发抛锚事件以及交通拥堵。此外,对求解车辆路径问题的启发式算法进行了研究,设计了一种两阶段启发式算法。首先,对动态车辆路径问题的发展历程以及国内外关于动态车辆路径问题的研究现状进行了分析,发现目前大多研究只考虑一种动态要素,针对此问题确立了研究目标。通过研究,确立了关于几种动态要素的求解策略,对于新增需求、车辆抛锚等动态信息的求解策略是通过划分时间片把动态问题划为多个静态子问题,交通拥堵则视为各个时段车辆速度不同,并且在车辆路径变更时采用整体优化策略。在此基础上,引入时间要素构建了动态车辆路径优化模型,优化目标为降低包含车辆发车成本、行驶路程成本以及违反客户时间窗的惩罚成本在内的总成本。在模型构建的基础上设计了一种适用于求解动态车辆路径问题的两阶段启发式算法,此算法第一阶段采用遗传算法求出一个全局较优解,第二阶段采用变邻域搜索算法对此解深度搜索,从而提高算法的整体寻优能力,并使用基准测试算例验证了算法的良好性能。最后设计了仿真实验,用策略及算法对算例进行求解,得出多种动态信息影响下车辆的最优行驶路径,并对比了在使用不同优化策略和考虑不同动态要素下得到的求解结果,取得研究结论,说明本文研究内容具有可行性,动态优化策略具有优越性,可有效提高车辆使用效率,减少车辆行驶距离,提高客户满意度,给物流车辆在多种动态要素影响下的路径选择提供一定理论依据。