物流是畅通国民经济循环的重要环节,车辆配送路径优化在物流降本增效上具有重要作用。本文重点研究了带容量约束的车辆路径问题（CVRP）、带硬时间窗的车辆路径问题（VRPTW）和客户需求为梯形模糊需求下的带软时间窗车辆路径问题（VRPSTW＿FD）,并提出了相应的求解算法。本文的主要研究内容和结论如下:（1）针对CVRP,提出了一种多优化策略的帝国竞争算法（ICA-MOS）来提高基本帝国竞争算法的性能。该算法采用邻域变换策略来保持种群的多样性,为提高算法的局部寻优能力,本文在基本帝国竞争算法框架上增加帝国主义国家增强阶段,在算法的各阶段共使用十三种不同类型的优化算子对所构造的可行解进行寻优操作。算例测试结果表明,该算法具有较强的局部优化能力,与两种其他帝国竞争算法相比,ICA-MOS在求解中小规模的带容量约束的车辆路径问题上具有良好的性能。（2）建立了VRPSTW＿FD的数学模型。本文根据梯形模糊隶属度函数,通过对客户的梯形模糊需求进行确定性处理,对软时间窗使用折线惩罚函数进行标定处理,同时考虑调度者的偏好,建立了基于模糊可信度理论,运输总成本最小化的模糊机会约束模型。（3）提出一种基于大邻域搜索的帝国竞争算法（LNSICA）对VRPSTW＿FD进行求解。该算法使用改进时间窗导向的最近邻算法产生初始种群,以生成高质量的初始解,引入大邻域搜索算法对殖民地进行同化操作,提出模糊变邻域的2-opt优化算子加强算法的局部优化能力。并在预优化的基础上,介绍了实时重优化阶段常见的四种失败点车辆补货策略。（4）通过设计实验,验证了LNSICA的性能。首先求解确定性需求的VRPTW算例,并将结果与最近五种求解结果较优的智能算法进行了对比,结果表明,该算法求解VRPTW具有较高的搜索精度,能有效地解决确定需求下中小规模节点VRPTW。然后针对VRPSTW＿FD问题,讨论了不同调度者偏好指数下,LNSICA的预优化性能,接着在预优化最优结果的基础上,分析了不同调度者偏好指数、不同重调度方案下该算法的实时重优化性能。结果表明:当调度者偏好指数为0.7时,运输总成本能够取得较优值;重优化阶段,策略四在降低车辆使用数量和减少车辆行驶总距离上,具有较大竞争优势;配送企业的运营决策层在配送企业和客户之间协调出合适的时间惩罚系数和配送车速,有利于两方共赢。