随着电子商务的快速发展,网上购物群体日益增多,物流行业迎来了发展的繁荣期,而运输作为物流过程的重要环节也面临着机会与挑战。一方面,其费用占据了社会物流总费用的52.4%,因此面对日益多样复杂的配送场景,进一步降低运输成本,提高运输效率是物流企业需要攻克的难题;另一方面在城市配送中,绝大部分物流企业都采用传统燃油车进行配送,随着物流业的快速发展,物流车辆不断增加且由于频繁的城市配送活动带来的交通拥堵和环境污染等问题是不可忽视的,纯电动汽车作为一种新型的交通运输工具,其以节能、低碳以及绿色的显著优势已经被广泛地运用到各种物流场景中,但是其受到续航里程和充/换设施不健全等因素的影响,使得与传统汽车相比具有更高的使用成本。为了快速地响应客户的配送需求并制定高效的配送路线以及降低电动汽车在物流配送过程中的使用成本,提出了“面向灵活配送场景的电动车辆路径优化研究”,其包括三个不同配送场景下的电动车辆路径优化问题。首先,在静态场景下我们研究了带软时间窗的电动车辆路径优化问题,建立了以最小化路径成本、时间窗惩罚成本以及车辆使用成本为目标函数的数学模型,并设计了节约里程加改进的禁忌搜索算法对该模型进行求解。此外,扩展出了一种新的换电站插入策略,该策略不仅考虑了插入换电站引起的路径增加成本、对节点状态的改变成本以及造成不可行解的惩罚成本,还考虑了换电站拥堵造成的等待成本和司机的里程焦虑成本。最后,通过与遗传算法做对比验证了CW-TS算法的可行性与有效性。此外还给出了一个中等规模的算例,通过敏感性分析,对比和分析了软时间窗与混合时间窗两种条件下获得的结果以及调整目标函数的参数和里程焦虑阈值对结果的影响。其次,在动态场景下我们研究了基于分阶段求解策略的动态电动车辆路径优化问题,建立了两阶段的数学模型,其中第一阶段针对静态客户建立了EVRP模型,第二阶段建立了动态EVRP模型以更新路径。构建了换电站及动态客户插入成本公式并设计节约里程算法加改进的禁忌搜索算法的混合启发式算法来求解第一阶段的模型,贪婪算法求解第二阶段的模型以更新路径。为了验证算法的有效性与可行性,首先给出一个中等规模的算例,将单独使用CW和TS得到的结果,与使用CW-TS混合启发式算法得到的结果进行对比,结果显示CW-TS算法获得了较优结果;其次通过修改Solomon＿100,C101标准算例,结果显示CW-TS算法能在理想时间内获得满意解。最后,在随机场景下我们研究了考虑补救策略的随机电动车辆路径优化问题,建立了带机会约束的随机电动车辆路径优化模型（EVRPSD）,并设计了一种节约里程算法加改进的禁忌搜索算法的混合启发式算法来求解该模型。此外还提供了基于K-means聚类的动态客户点插入规则,并设计了一种贪婪算法对其进行求解。最后,结合案例与算例对建立的模型和启发式算法进行了检验,实验结果显示CW-TS算法较TS算法能在更短的时间内求得更优的解。