城市物流配送中合理的货物装载方式和科学的配送车辆路径规划对物流配送活动具有重要作用。城市物流配送中的三维装载问题主要是研究考虑不同体积和不同重量的货物在封闭立体式车厢内进行拼装、叠放和运送的一类问题。现阶段,由于不同客户对商品类型的需求不同,且服务时间窗分散,增加了物流配送中心运输调度的复杂性,进而导致城市三维装载物流配送过程中常出现车辆装载率低和配送车辆路径规划不合理等问题。配送车辆的调度方案和车厢货物的装载方式都直接影响着配送中心的成本及效益。因此,本文结合城市物流配送车辆车厢货物装载方式和配送车辆路径规划两方面,研究三维装载物流配送优化问题,有助于物流资源的有效整合与优化配置,进而有利于完善城市物流配送系统。基于此,本文主要研究了以下几方面的问题:（1）带时间窗的三维装载物流配送车辆路径优化问题。将时间窗约束和配送车辆分区策略整合到三维装载物流配送网络的优化中以降低物流运营成本,提高车辆装载率。首先,构建了以物流运营成本最小化和车辆装载率最大化为目标的数学规划模型;然后,提出一种遗传-禁忌（GA-TS）混合启发式算法用于优化配送路线和货物装载方案。通过基准数据集的测试,发现GA-TS在提供高质量的目标函数值方面比混合遗传算法（HGA）和遗传-粒子群优化算法（GA-PSO）具有更好的性能。最后,以重庆市某物流网络为例,验证了提出的数学模型及设计的求解算法的适用性。此外,还比较分析了不同车厢空间分区策略下相关优化结果的变化情况,结果表明,当客户需求货物种类数与车辆的空间区域划分数相等且按货物类型进行区域划分时通过优化可获得最优的配送方案。（2）三维装载约束下基于运输资源共享的车辆路径优化问题。该问题包括配送网络中多周期间车辆共享调度问题和三维装载问题。首先,构建了包含物流运营成本和车辆使用数最小化的数学规划模型,其次,提出了一种结合三维k-调和均值聚类和Clarke-Wright-快速非支配排序遗传算法（CW-NSGA-II）的混合算法来获得最优配送方案。首先,该算法应用三维k-调和均值聚类算法对客户进行聚类;然后,利用CW节约算法生成初始解,最后,采用NSGA-II确定最终Pareto解。利用聚类算法与CW-NSGA-II之间的选择性交换机制增强算法的寻优能力。通过与多目标和声搜索算法（MOHAS）以及遗传-蚁群混合算法（GA-ACO）的比较,发现CW-NSGAII在提供高质量的目标函数值方面具有更好的性能。最后,结合重庆市某一地区配送中心的实例数据对所提方法和模型进行了计算分析,验证了本文所设计算法的优越性。此外,对不同车厢空间划分策略的优化结果进行比较,验证了本文所提车厢空间分区策略的有效性。因此,三维装载物流配送车辆路径优化方法的研究为相关问题的研究提供相应的参考,丰富了三维装载配送调度理论。本文提出的三维装载物流配送车辆路径优化问题依托实例案例数据进行研究,且可为三维装载物流配送的企业提供方法借鉴和决策支持,将有利于促进物流配送行业的健康可持续发展,进而有利于推进完善的智慧物流体系构建和智慧城市建设。