车辆路径问题是近二十年来运筹学、图论、网络分析、应用数学、计算机应用及交通运输等学科研究的一个热点问题，它已被证实是组合优化中带约束条件的NP-Hard完全问题，难以用常规方法求解，国内外学者尝试使用智能优化算法进行研究，如遗传算法、蚁群算法、禁忌搜索最优化等。本文在国内外研究现状的基础上，建立了协同配送车辆路径问题(CollaborativeVehicle Routing Problem，CVRP)的多目标优化模型，并用基于分区域搜索的多目标进化算法求解CVRP问题，实现了基于分区域多目标进化算法在CVRP问题中的应用和软件仿真，验证了模型的有效性和算法的可行性。论文主要研究的内容：首先，在对协同配送和车辆路径问题分析研究的基础上，说明协同配送车辆路径问题是多目标优化问题。基于此，本文所研究的协同配送车辆路径问题不仅是多中心协同配送问题，同时也是多目标协同配送问题。文章提取最短路径和最优服务质量作为研究目标，对其进行协同优化，建立了以车辆配送总费用最低为目标函数的多物流中心协同配送车辆路径优化问题的数学模型。其次，针对所建模型的特点和复杂性，通过对遗传算法求解多目标优化问题的特点分析，采用基于分区域搜索的多目标进化算法思想的遗传算法进行求解。该算法构造了利于产生可行解的编码方式，从而提高算法的运行效率，并通过算例验证了建立的模型能有效地解决协同物流配送车辆路径问题。通过多目标进化算法返回一个非支配解的集合而非单一的一个非支配解，为决策者提供有力的决策支持。