随着城市交通拥堵日益加剧,企业配送成本高居不下,同时,客户对企业配送效率要求不断提高。为此,一个科学的配送方案对物流企业来说尤为重要。由于受交通流量和交通事故等影响,道路通行时间是动态变化的,不同出发时刻产生的配送时间和配送成本不尽相同。因此,深入时间依赖性车辆路径问题(TDVRP)有着重要的理论意义和现实价值。文章旨在利用道路通行时间连续函数构建TDVRP模型,并通过求解该模型,为企业提供一个包含配送路线、最佳出发时刻,兼顾成本和满意度的科学解决方案。主要从以下方面进行了研究:分析与改进了TDVRP模型中通行时间函数,建立连续时间函数模型。综合分析三种时间数据的获取方案后,选用地图软件作为本文基础数据获取途径。根据路段通行数据的规律,利用高斯混合理论,应用Matlab构建实际路网的道路通行时间函数。结合实际数据,与分段时间函数进行对比,结果表明连续函数能更为准确地反映出发时刻与道路通行时间的关系。利用道路通行时间函数构建单目标、多目标TDVRP模型。前者是以最小化成本为目标函数,寻找成本最低时的配送路线和最佳出发时刻。后者以客户时间窗为基础构建了客户满意度函数,建立以最小化配送成本和最大化客户平均满意度为目标函数的模型,寻找兼顾成本和客户满意度的配送路线和最佳出发时刻。针对模型特点,设计两阶段求解算法。第一阶段,以配送中心与客户之间的最短路径为权值,利用Dijkstra算法求解出配送中心到各客户的最短距离,并在考虑约束条件下,规划配送路线。第二阶段,利用遗传算法分别计算出每条路径的最佳出发时刻和对应成本。在对多目标求解时,先求得满足要求的客户满意度区间,以此区间作为遗传算法自变量的上下限,再计算最低成本下的最佳出发时刻。实际案例的分析结果表明:模型符合实际,具有普适性。通过分析道路的通行时间,规划配送路线,选择一个最佳的出发时刻进行配送,能够降低企业配送成本、提高客户满意度。