考虑到同时配送多种不能混装产品的多隔间车辆路径问题（MCVRP）在现实物流运输任务中广泛存在以及电动车辆具有节能环保等优良特性,本文将电动车辆引入到MCVRP问题中,首先建立了带软时间窗和多充电类型的多隔间电动车辆路径问题的混合整数规划模型,其目标函数为以车辆成本、运输成本、时间窗惩罚成本以及充电站服务成本所组成的总成本最小。然后针对该问题,提出了一种基于Lévy Flight的改进分布估计算法（EDA-LF）用于求解。该算法采用自然数编码方式,使用概率矩阵作为概率模型并通过自适应更新策略来对其更新,同时为增强EDA算法跳出局部最优的能力,在每代最优解处进行若干次基于Lévy Flight的局部搜索操作。之后,在使用田口正交试验设计方法对EDA-LF算法参数进行设置后,通过仿真测试和算法比较验证了模型和EDA-LF算法的有效性。另外,自2019年新冠病毒爆发,人们响应国家号召尽量减少外出以降低被感染的可能性,同时居家民众或居家隔离人员的日常生活物资安全供给成为一项重大民生问题,这也对能在满足各类生鲜食物所需温度下提供高品质运输的冷链物流提出了新的要求,例如食物紧缺导致的更高配送及时性要求、配送人员所穿防护服的严格时效性限制等。因此,本文考虑电量、隔间重量、硬时间窗和车辆最大配送时长等约束以及部分充电、充电站边充边耗等因素,进一步研究了带硬时间窗和部分充电的多隔间电动冷链车辆路径问题,并以车辆成本、运输成本、货损成本、制冷成本以及充电站服务成本所组成的总成本最小为目标建立了该问题的数学模型。然后,考虑到自然数编码方式虽然结构简单但其解码时往往对路径中节点顺序依赖程度较高使得不容易得到最佳划分,而带分隔符的编码方式能较好地解决该缺陷,故本文基于该分隔符编码方式并结合问题特征提出了一种基于多邻域搜索算子的改进分布估计算法（EDA-MN）用于求解。该算法在根据问题设计解码方案后,进一步基于带分隔符编码方式针对性地设计了概率模型、采样过程和更新策略,同时为克服EDA算法易陷入局部最优的缺陷并增强算法的细搜索能力,在每代最优解处执行基于多邻域搜索算子的局部搜索操作。最后,在从六种部分充电策略中选择最佳充电策略后,使用田口正交试验设计方法对EDA-MN算法参数进行了设置,并将该EDA-MN与其他多个算法进行比较,验证了该算法的有效性。此外,还进行了灵敏度分析和其他一些与问题相关的对比实验。