现今中国各大城市空气污染严重,燃油汽车尾气排放是引起空气污染的重要原因,另一方面,不可在再生化石能源逐渐匮乏,因此高效的利用清洁能源是解决当前困境的出路。纯电动汽车能源利用率高,噪声低且零排放,利用纯电动汽车进行物流配送可以解决城市空气污染问题,并已经得到国家政策的支持,也具有了推广应用的现实基础。但是纯电动汽车在物流配送领域的大力推广应用,必须解决充电问题,需要考虑配送途中进入充电站补充电量的状况,因此研究带有充电站以及时间窗的电动汽车的车辆路径优化问题具有重大意义。首先,本文结合传统车辆路径优化经验和电动汽车特点,建立了带软时间窗和充电站的电动汽车车辆路径规划(Electric Vehicle Routing Problem with Recharging Stations and Time Window,简写为EVRPSTW)模型,并从单配送中心问题扩展到多配送中心问题(Multiple Depot Electric Vehicle Routing Problem with Recharging Stations and Time Window,简写为MDEVRPSTW),模型综合考虑了车辆成本、运输成本、电量补充成本以及时间窗惩罚成本。其次,通过对基础粒子群算法求解和自适应权重的粒子群算法求解比较,证明改进后的粒子群算法弥补了传统粒子群算法容易陷入局部最优解的缺陷。并在MDEVRPSTW的最优解的算法中提出“整体法”和“裁剪法”,证明“裁剪法”在寻优时间和搜索能力上更加优越。最后,本文采用Solomon的具有时间窗的车辆路径问题经典数据,应用MATLAB软件对本文研究的算法进行了算例分析,对影响车辆路径规划的各项成本和算法参数做了敏感性分析,比较了多种算法的优劣性,最终给出单配送中心问题和多配送中心问题EVRPSTW的最佳配送方案。成果具有可扩展性及敏捷性,并且变更车辆路径的原始数据,仍可便捷得出最佳配送方案。本研究对传统车辆路径规划问题的拓展和改进粒子群算法的应用具有理论参考价值,也对促进电动汽车物流推广具有实践意义。