近年来互联网手段的不断更新发展和新零售业强势崛起使得大规模即时配送需求越来越多，单纯使用启发式算法求解大规模问题的时间会呈指数式增加。本文采用聚类-蚁群算法的两阶段方法，先降低问题规模后使用高效寻优算法，既降低了配送总成本，同时又提升了客户对时间的满意度，因此本研究具有现实意义和必要性。
　　本文首先介绍了国内外关于车辆路径问题的研究现状，分析了同城即时配送的模式和现阶段存在的主要问题；其次根据即时配送的特点和不同企业的运营模式，确定了两种基于聚类的即时配送区域划分方法以及对基础蚁群算法的改进策略；第三，以配送过程中产生的成本之和为目标函数，建立了带时间窗的车辆路径问题数学模型；最后，选取客户、车辆以及门店数据，分别验证门店数量不同的两种情况下的求解策略有效性,并对求解结果进行比较分析。实验结果表明，①使用聚类-改进蚁群算法的两阶段求解车辆路径问题的方法能极大降低配送总成本；②在单一门店的情况下，相比于基础蚁群算法，采用改进蚁群算法求解得到的超时时间少27.5%，配送总成本低22.9%；③在多门店的情况下，相比于基础蚁群算法，采用改进蚁群算法求解得到的超时时间少35.7%，配送总成本低17.4%。基于聚类-改进蚁群算法的两阶段方法在同城即时配送方面能有效降低配送总成本，提高客户的满意度。