随着人民生活水平的提高,我国对生鲜产品的消费需求日渐强烈,各种生鲜电商营运而生。但是,高额的生鲜储存成本、运输成本以及采摘之后生鲜迅速腐败的问题一直是制约生鲜高速发展的重要因素。虽然采用合理的运营模式可以有效降低生鲜在运输、储存中的损耗,但目前国内仍然以冷链运营为主,其它方式为辅。为了快速对消费者的生鲜需求进行响应,以及满足消费者早的食用新鲜生鲜产品的需求,生鲜的收获-配送模式尤为重要。另一方面,车辆路径问题(VRP)一直是研究领域的热点之一,也是有效解降低物流配送成本的重要手段。随着顾客对碎片化时间的管理加强,多时窗车辆路径问题逐渐获得了越来越多的关注。本文将多时窗车辆路径问题和收获-配送模式进行有效结合,形成多时窗收获-配送整合优化问题。该问题主要研究以下三个方面的内容:(1)基于多时窗车辆路径问题和收获配送问题的相关分析。首先从当前的物流困境出发,提出收获-配送模式对于降低成本和减少生鲜质量腐败问题有着至关重要的影响。再对收获配送问题以及多时窗车辆路径问题的研究现状进行梳理,总结出多时窗生鲜收获-配送整合优化的关键因素所在。(2)对多时窗车辆路径问题进行模型和算法研究。本文从原始VRP问题出发,逐渐梳理多时窗车辆路径问题的发展脉络以及模型和算法特点。构建了有着更强逻辑关系的标准多时窗车辆路径问题的模型。在综述了混合遗传算法的基础上提出邻域搜索与遗传算法密切结合的带二级领域的混合遗传算法进行模型求解。在没有多时窗车辆路径问题标准测试集的情况下,以VRPTW标准测试集为基础构建VRPMTW标准测试集,并对其进行实验。(3)带多时窗的生鲜收获-配送整合优化模型研究。生鲜产品由于其固有的易损易腐、生命周期短的特点,在兼顾成本的情况下减少生鲜收获和配送所需总时间尤为重要。本文聚焦于在考虑多时窗的情况下,整合生鲜收获-配送调度问题,以减少生鲜收获过程和生鲜配送过程所造成的质量损失和运营成本。针对这个问题,本文构建了以收获阶段质量损失、配送阶段质量损失、配送运营成本为目标的非线性混合整数规划模型,由于多目标求解困难,本文利用标准化的方法将多目标转化成单目标,利用大M方法将非线性约束转化成线性约束,从而实现了对目标和约束整理完善。之后利用带二级领域结构的混合遗传算法进行数值实验和敏感性分析,结果表明该算法拥有良好的求解效果。同时,敏感性分析给与我们重要的管理启示。本文构建了多时窗的生鲜收获-配送整合优化模型,并为利用带二级领域结构的混合遗传算法进行求解,对生鲜的收获起始时间、车辆的配送路径、确定顾客配送时窗等关键因素进行决策支持,为生鲜的收获-配送运营提供管理决策支持。