随着全球经济的发展,当前的市场环境也正进行着深刻的转变。现代物流是作为“第三利润”的来源正得到越来越多企业的关注。物流作为连接消费者与生产者的环节,其作用日益凸显,而物流运输是现代物流运作中的重要一环,从中国物流与采购联合会的统计数据来看,近几年的物流流转速率明显上升,运输成本占据了现代物流成本的绝大部分。因此,通过优化物流配送车辆路径来降低物流成本是目前热点问题之一。在传统车辆路径问题的研究中,求解算法和求解策略是国内外研究者的两大主要研究内容,随着现代物流的发展,目前关于车辆路径问题的研究也越来越贴近物流配送活动的实际,传统的车辆路径问题的模型也不能准确的反应和解决实际问题。所以,当前有关车辆路径问题的研究多为传统车辆路径问题的拓展研究。例如有考虑客户需求不确定的车辆路径问题,在这类问题的研究中,许多研究者综合考虑了客户模糊需求和时间窗的约束,但也都只考虑了车辆行驶速度不变的情况,忽视了天气变化、高峰时段、突发事件等因素对交通状况的影响,从而导致基于速度恒定的模糊需求车辆路径问题模型不再适用。还有一种时间依赖型车辆路径问题的研究,这类问题的许多研究基本都视客户的需求是已知的、确定的,没有考虑现实生活中客户的需求的模糊性和不确定性。本文的研究就是在此背景下展开,研究的主要内容是客户需求模糊且有时间窗约束的时间依赖型车辆路径问题。综合考虑了路网速度时变、客户需求模糊及时间窗等因素的影响。针对客户需求模糊且有时间窗约束的TDVRP问题,基于先预优化后重调度的思想构建模型。在预优化阶段,依据可信性理论构建模糊机会约束优化模型处理客户点模糊需求;针对不同时间段道路的交通情况,采用Figliozzi速度时间依赖函数表征车辆的行驶速度,并设计自适应大规模邻域搜索算法(ALNS)对其求解。在重调度阶段,应用随机模拟算法模拟客户点的真实需求,采用点重调度策略对预优化方案进行调整。通过改进的Solomon算例实验验证模型和算法的有效性,实验结果表明在客户需求模糊且有时间窗约束的TDVRP问题中,最优预优化方案所需的实际成本并不一定最低。在预优化阶段,随着决策者偏好值的增大,即决策者越趋向于保守型,付出的配送成本相对越高;在重调度阶段,决策者越趋向保守,付出的额外成本相对越低。本文研究成果可丰富TDVRP问题的相关研究,也为现实配送方案的优化决策提供理论依据。