车辆调度问题是管理科学的一个重要研究课题,在物流配送中有着广泛的应用背景,对于企业降低成本、提高效率起到重要的作用。带时间窗的车辆调度问题(Vehicle Routing Problem with Time Windows,VRPTW)正是基于这样的实际背景提出的组合优化问题,属于NP(Nondeterministic Polynomial)难题。VRPTW寻求在满足顾客的时间窗和车辆的容量约束的条件下,使总的代价最小的一组车辆路线。　　本文以VRPTW为研究对象,着重于禁忌搜索算法研究。禁忌搜索算法是对局部邻域算法扩展后的一种全局寻优算法。针对初始解的优劣对禁忌搜索算法的结果影响较大的特点,设计了新的初始解的产生方法。一是对标准禁忌搜索算法进行改进,产生了多个初始解,使邻域的搜索范围更广;二是将聚类算法引入到VRP问题中,把聚类结果作为禁忌搜索算法的初始解,再利用禁忌搜索算法迭代生成最优解,此方法适于求解客户点分布较为集中的大规模VRP问题。　　通过对软时间窗车辆调度问题建立模型,进行实例研究,并对solomon的经典数据集进行数值实验,计算结果显示算法能够在合理时间内求得满意解,证明了本文所提出的算法优化车辆调度问题的有效性和可行性。