近些年来,随着车辆路径处理的数据量增大,启发式算法快速发展,相对应的精确算法则发展缓慢。由于精确算法处理规模的有限性,很少看到精确算法应用在实际案例中。分支定价算法与启发式算法相比,具有结果唯一、优化效果好等优点;尤其对于小规模问题能在有限的时间内保证最优性。因此分支定价算法不论是计算最优解还是作为启发式算法的初始解都是必不可少的研究方向。本文在导师等前人已研究精确算法的基础上,进一步完善了分支定价算法;开发了能够处理中等规模的分支定价算法;研究并开发了在客户需求未知情况下的随机车辆路线规划系统并结合实际数据做了测试;研究了在定价阶段采用标签算法对于分支定价的改进效果,并应用到了随机车辆路线规划系统中;研究了割平面用于分支定价算法效率提升效果,初步开发了配套随机车辆规划的处理系统。通过多项数值算例及物流实例,对上述已开发的随机车辆路线规划系统进行了比较、验证及应用,证明了该随机车辆路线规划系统可以处理中等规模的实际问题。对于多车辆、客户需求未知、等复杂问题,随机规划模型也能给出优秀的结果。研究成果可广泛应用路径规划,特别客户需求不确定方面,具有较高的学术价值和广阔的应用前景。上述随机需求的车辆路线规划系统经开发完善后将会形成具有独立知识产权的车辆路线优化软件,以期对相关研究及应用做出贡献。