随着我国经济的迅速增长,吸引了越来越多的国内外资金,金融服务业也得到了空前的发展,国有银行、城市银行、私人银行如雨后春笋般蓬勃发展。各银行机构的营业网点遍布大中小城市,银行的现金流也呈指数增长,现金押运和安全存取逐渐成为各银行首要解决的问题,各押运公司也应运而生,但还没有形成完善的系统体系,各银行网点之间的现金流通主要依靠押运公司的路径规划完成,为此本文的研究目的是为金融押运中车辆路径规划提供决策支持。和其他车辆路径问题相比,金融押运具有以下几个基本特征：一、具有约束比较紧的时间窗,且一般在城市路网比较繁忙的上下班高峰期进行。旅行速度不仅受出发时间的影响,而且还具有很大的不确定性。二、款箱、押运人员和网点一一对应。出发后,若发生诸如严重堵塞、交通事故等意外,一般的补救策略都不适用。三、规划好的车辆路径一经确定,在相当长的时间内不能随意更改。结合资料和调研分析,本论文中动态网络车辆路径问题模型将被应用于金融押运车辆路径规划,将路径规划抽象为随机时间依赖车辆路径问题(Stochastic Time Dependent Vehicle Routing Problem,STDVRP)。在STDVRP模型中,充分考虑了旅行速度的时间依赖性和随机波动性,在满足时间窗、容量约束等条件下寻找出最佳线路。为求解此模型,本论文提出了一种改进遗传算法和禁忌搜索算法,通过比较产生更适合求解此模型的算法。在这之后,本文以某金融押运公司早送晚接业务的数据为基础建立了实际算例,并对STDVRP模型的结果进行了分析,证明了STDVRP模型有效性。最后,本文对押运调度管理子系统进行了设计。