近年来电子商务销售模式不断发展,相比于传统的销售模式,这种销售模式要求对线上订单实时响应,因此对物流运输效率的要求在不断地提高。由于已经存在的基础设施建设投资巨大,长途的跨地域的物流运输路径在短时间内难以进行改变和优化,因而物流运输效率提升的重点落在了集货和配货两个终端环节,且这两个环节与顾客接触频次最高,顾客感知最强烈,如果这两个环节的车辆行驶路径能够得到合理有效的规划,就可以大大提高效率,增加顾客满意度,为物流企业带来经济效益。该问题的求解可抽象为车辆路径问题(Vehicle Routing Problems,VRP),这是组合优化领域中具有重要经济价值的问题之一,其应用场景多种多样,如快递收发场景、外卖员取送餐场景、出租车呼叫服务等。就集货场景而言,现如今顾客的需求现呈现出了少批量多批次的特点,并且顾客数量规模相比过去急剧上升。而订单的实时处理就意味着物流企业在初始路径规划阶段不可能获知所有顾客的需求信息,因而传统的基于静态需求假设的VRP模型难以为现今物流企业的集货路径规划提供指导。因此本文建立了基于动态需求假设的车辆路径问题模型(Dynamic Vehicle Routing Problems,DVRP),并设计了模型的求解策略及方法。本文从VRP研究领域入手,深入了解和比较现有国内外文献的研究场景、建模方法、求解方法等,对其进行分类并分析比较了研究成果和不足。根据现有文献的不足,本文在传统静态需求VRP模型的基础上,构建了考虑动态需求的DVRP模型,并对模型中速度的时间依赖性以及需求动态性进行处理,设定了相关参数,建立了DVRP数学模型并进行分析。在模型的求解问题上,本文将DVRP模型的求解问题转化为了多次求解时间依赖性车辆路径问题(Time Depending Vehicle Routing Problems,TDVRP)以及多车型的开放车辆路径问题(Heterogeneous Fleet Open Vehicle Routing Problems,HOVRP),并设计求解算法。为解决传统贪婪算法求解质量不高的问题,本文采用了Held Karp模型对传统贪婪算法进行改进,利用改进后的贪婪算法产生初始解。随后采用禁忌搜索算法对该解进行优化,本文设计了9种邻域移动方式以及能够评价不可行解并能自适应变化的适值函数,增加邻域的多样性,提高算法的搜索能力。使用所设计的算法对Solomon算例和Breedam算例求解,验证了对算法改进的效果以及算法求解的有效性。此外基于Solomon算例设计了DVRP算例并采用本文设计的算法进行求解,以供未来学者进行数据对比。与静态需求VRP模型相比,本文建立的DVRP模型更符合实际情况。在顾客需求的处理上,提出了将动态需求转化为静态需求的策略,该策略易于理解并能够适应需求的高动态性。在求解算法方面,本文所设计的算法简单有效,搜索能力强。能够为集货场景下物流企业的车辆路径优化提供指导,帮助其在满足顾客需求的基础上减少车辆行驶距离并提高物流服务效率,为企业带来经济效益。