本课题以现代物流配送环节中大规模车辆调度问题为研究对象，对现有车辆调度问题优化算法和实际配送中存在的问题作了深入的分析和讨论，提出求解真实道路下大规模车辆调度问题的集束式求解思想，为实际物流配送提供切实可行的线路优化手段，以达到降低物流成本，提高企业利润和客户满意度的目的。文中重点分析了物流配送车辆调度问题规模大、约束多、复杂性高等特点，并进一步分析了基于真实道路条件进行问题求解的难点。基于一定的前提和假设，本文对所求解的车辆调度问题给出描述并建立数学模型。结合问题自身的特点，文中提出求解真实道路下大规模车辆调度问题的集束式启发式优化算法的求解思想和运算步骤。集束式算法采取“集中后分派，优化后扩展”的优化思想。首先，对问题拓扑网络进行节点合并的预处理，一方面，通过节点合并将大规模问题转化成规模相对较小的优化问题，求解小规模问题后再进行节点扩展，恢复为原问题(大规模问题)的求解方案，实现大规模问题的快速求解；另一方面，有效避免小范围区域多条线路重复配送的不合理现象，实现配送方案基本合理无需大量人工调整的目标，使配送线路优化方案快速更新成为可能。其次，在客户分派阶段，本文针对最临近算法优化中存在的不足，创新性的提出最远临近分派策略，该策略在改进最临近法分派缺陷的同时保证了较快的求解速度。最后，采用一种引入遗传算子的改进的禁忌搜索算法对分派到每条线路的客户进行线路内访问次序重新排序，同时将合并节点进行扩展，获得最终优化方案。为验证集束式优化算法的有效性和可行性，文中进一步对算法进行大量仿真试验，得出一些重要结论。其中，实验一对济南市5县区按三种不同车型对集束式算法和最邻近算法进行15组对比仿真实验。与最临近算法相比，集束式算法在15组对比实验中均得到里程节约，平均里程节约量320.23公里，平均里程节约率9.96％，且所需车辆数一般不会超过最邻近算法。同时，对配送中心辐射夹角较大的优化问题，集束式算法较最临近法具有更高的里程节约量和里程节约率。配送中心辐射夹角相当时，面积较大的配送区域通常有更明显的里程节约值。实验二仿真结果表明，集束式算法对问题规模具有线性的时间复杂度，即优化方案的求解时间随问题规模的扩大增长不快，数据量最大的S6配送区域节点量达11720，计算时间仅为1小时20分。最后文中对集束式算法目前在烟草行业物流配送中的应用作了介绍。以济南烟草为例，通过线路优化每年节省费用可达118.17万元。由于配送线路的合理划分，配送时间得以保证，配送工作量趋于平衡，人员工作可考核性增强，企业的管理水平迈进了一大步，最重要的是企业通过挖潜增效使企业利润有了显著提高。