物资配送在突发灾害救援和军事物资配送等方面均有重要应用,无人车和无人机等基于无线电通信的设备,通过预先规划配送路线,能够以较高质量完成复杂地域和空间环境配送任务。配送问题即车辆路径规划问题,其研究目标是规划出满足一定约束条件且能达到任务需求的配送路径。根据不同灾害情况和军事战争情况,很多配送还需要在指定的时间段内完成配送,因此又产生了带时间窗车辆路径规划等不同类型的车辆路径问题。本论文对车辆路径规划问题进行研究,主要研究内容如下:（1）研究背景及意义。论文介绍物资配送的定义,物资配送在突发灾害和军事应用领域的研究背景及研究重要性。车辆路径规划问题的研究方法,以及启发式方法的国内外研究现状。启发式方法研究方面,论文从两方面着重介绍了常用算法的基本原理及实现步骤。其中,基于群体的启发式方法有遗传算法、蚁群算法和人工蜂群算法;基于个体的启发式算法介绍了模拟退火算法和禁忌搜索算法。（2）带时间窗的车辆路径问题描述及求解。依照问题的特征和求解要求,论文设计遗传算法来求解此问题,并基于15,30,50和100这四类客户数量问题进行仿真实验测试,验证了算法具有有效性,但求解大规模问题效果较差。（3）论文在遗传算法的基础上加入大规模邻域搜索算法,同时混合了K-means算法,改进后的算法简称LNSGA-K。对改进后算法进行测试,并对比改进前的实验结果,验证了LNSGA-K算法的有效性和优异性,改善遗传算法局部寻优能力弱的缺陷,提高算法性能。将LNSGA-K算法与其他求解相同算例的算法,以及最优解进行对比,本论文设计的LNSGA-K算法能有效求解带时间窗车辆路径问题,并更具优异性。（4）基于同时取送货问题,带时间窗车辆路径问题进一步引深为带时间窗的同时取送货车辆路径问题。基于LNSGA-K方法,通过引入模拟退火算法来进一步增强算法寻优能力,改进后算法简称ILNSGA-K。论文使用ILNSGA-K算法求解8个带时间窗同时取送货问题,经仿真测试及对比分析,改进后方法ILNSGA-K优于改进前方法。（5）车辆路径规划仿真测试平台研究与设计,利用MATLAB的GUI功能,设计可求解带时间窗问题和带时间窗同时取送货问题的路径规划平台,平台分为数据输入、参数设置、车辆路径算法和结果显示四个模块。通过仿真测试,此平台运行有效,且简洁直观的界面可便捷的给使用者提供车辆路径规划方案。