近年来,由于国民经济的飞速发展,人们的药品消费观念发生巨大改变,对健康的关注度不断提高,与此同时,人口老龄化的到来以及慢性疾病患病率的提升等诸多因素都促使我国医药消费水平逐渐提高,医药流通行业发展前景十分可观,但2017年国务院牵头制定并强力推行的药品“两票制”政策对医药经营企业产生了致命性冲击,使得医药物流市场竞争异常激烈,倒逼医药经营企业加强物流配送网络体系建设,提升末端配送能力,控制物流成本的同时,提升服务效率和质量。由于配送成本在物流总成本中占比较高,且配送路径安排将直接影响配送时效,进而影响客户服务满意度,因此,配送路径优化问题对于配送成本控制和效率提升有至关重要的作用。基于以上背景,本文聚焦于药品市内配送的车辆调度与配送路线优化展开研究,首先,深入分析药品特性及其配送现状,发现药品本身具有生命周期短、体积小、重量轻等特质以及现实生活中医药物流公司多采用运载能力不同且固定成本和可变成本存在差异的车辆进行配送,两者综合作用导致车型指派、装载容量约束、配送时间总量限制与高装载率之间的矛盾尤为突出,基于此,进一步将研究内容确定为配送时间限制下装载容量约束优先的车队规模固定的多车型车辆指派和配送路径集成优化问题,在同时考虑车辆的固定成本和可变成本前提下建立以配送成本最低为目标函数的整数规划模型。然后,为模型求解设计混合粒子群算法,该算法融合遗传算法中的交叉变异操作和2-opt局部搜索策略,给出基于成本网络和Dijkstra’s算法的可平衡配送时间限制与高装载率之间矛盾的车辆指派原则。最后,基于两种算例进行数值实验来分别验证算法的可靠性以及所提出模型和算法的现实有效性。在标准算例的数值实验中可以在较短时间内获得近优解,在仅考虑变动成本的情况下可以获得与文献中一致的最优解,在同时考虑固定成本和变动成本的情况下获得的最优解与文献中给出的最优解偏差仅为0.4%,且基于不同车辆指派原则的实验结果验证了本文所提出车辆指派原则的优越性;在实际算例的数值实验中,将算法所得智能方案与基于经验法则的配送方案对比,结果显示算法可以有效降低配送成本35.1%,提升车辆装载率54.7%,说明了所提出模型和算法的现实有效性。