车辆路径优化问题一直以来都是国内外学者的研究热点,随着实际场景的不断变化,车辆路径问题衍生了很多变体,用以解决实际中更为复杂的问题。在货物运输领域,我国仍然存在公路货运车辆空驶率过高、运输资源浪费等问题,如何降低运输成本,提高社会效益和企业经济效益仍然是有待深入研究的问题。另外,在国家节能减排的政策的驱动下,物流车辆由传统燃油车不断向电动物流车转变,在过渡过程中,如何科学合理地调度两类车辆也是现代企业亟待解决的问题。针对公路货运回程车辆空驶率过高的问题,本文研究了公路货运回程车辆路径优化问题,并综合考虑了客户的服务优先级、时间窗、车辆容量、过路费成本以及燃油成本等约束条件,以最大化利润为目标,构建公路货运回程车辆路径问题的数学模型。并对标准粒子群算法引入改进策略,首先对初始种群进行适应度值排序,并用随机生成的个体替换适应度值较差的一半个体;其次结合灰狼算法的迭代更新原理改进粒子群算法的速度更新公式,提升算法的寻优效率和求解质量。通过求解算例,对比改进前后粒子群算法的求解结果以及LINGO的求解结果,验证了建立数学模型的科学性,以及改进的粒子群算法在求解回程车辆路径优化问题时的有效性。针对城市配送低碳环保的要求,本文研究了有燃油车和电动汽车两类车型作为配送车辆的多配送中心配送路径优化问题,并考虑客户点的时间窗要求。结合当前实际情景下,传统燃油车尚不能被完全取代,以总配送成本最小为目标,建立同时采用传统燃油车和电动物流车的混合车型配送的车辆路径规划问题数学模型。并设计了改进粒子群算法,在传统粒子群算法的基础上应用佳点集理论产生初始种群,增加粒子群算法的多样性,在粒子群算法寻优迭代阶段,采用全局-局部-邻域粒子群算法（FRS-PSO）的惯性权重和局部搜索原理更新速度公式,有效避免粒子群算法陷入局部最优,从而达到全局最优,提高解的质量。最后,设计了数值算例进行测试,验证所提出改进粒子群算法和模型的有效性。