车辆路径问题是研究如何优化物流运输的核心问题。研究车辆路径问题对于降低物流公司的运输成本,提高物流公司的服务质量都有重要意义。本文重点研究了带时间窗的车辆路径问题。针对在物流运输中的实际情况,本文提出了一种新的带时间窗车辆路径问题的双目标规划模型。第一个优化目标是使配送过程中总的车辆使用数目最小。在实际的货物运输中,由于汽车的油箱容量限制、司机的工作时间等,配送车辆的行驶距离往往会受到限制。因此,在每辆车都有行驶距离限制的约束下,用最少的车辆来完成配送任务能最大程度的节约运输成本。此外,本文考虑了每个用户都有自己的期望服务时间。尽可能的使得顾客在自己期望时间内被服务,从而提高物流公司的服务满意度,这是本文提出的规划模型的另一个优化目标。基于上述的规划模型,本文提出了一种双标准近似算法。该算法可以在多项式时间内给出上述问题的近似最优解。本文通过严格的理论分析证明了该算法的近似比为?O(log1/?),1???,并通过模拟实验分析了算法的运行效率。本文还设计了基于遗传算法的车辆路径系统。遗传算法是一种现代启发式算法,在求解整数规划问题时有着广泛的应用。本文介绍了用遗传算法求解车辆路径问题的方法,并通过实验分析了遗传算法的运行效率。实验结果表明遗传算法可以应用在实际的系统设计中。随后,本文介绍了车辆路径系统用到的相关技术,并通过模拟实例展示了此系统的功能。模拟实例选择了深圳20家三甲医院作为配送点。运行系统后,路径方案将以可视化的形式显示在百度地图上。