联盟运输调度问题(AVRP)是在基本运输调度问题基础上衍生出的最具现实意义的一类组合优化难题,研究的是物流联盟架构下的运输调度的最优化,是运筹学、应用数学、网络分析、图论、计算机应用及交通运输等学科研究的一个热点问题。本论文针对几种不同扩展特征的AVRP,分别进行了建模、差分进化算法设计及其改进和仿真实验,并利用改进的差分进化算法对带时间窗和带多配送中心的AVRP进行了建模与仿真,本文所作的主要工作如下:　　 1.研究了经典的联盟运输调度问题即不带时间窗和不带中转点联盟运输调度问题。在建立该问题数学模型的基础上,设计了求解该问题有效的差分进化算法,算法中针对该问题的具体特点,采用了改进差分进化策略特性来提高算法寻优能力。　　 2.研究了带硬时间窗联盟运输调度问题。现实社会中的运输调度往往带有时间窗这样一个扩展特性,本文针对该问题建立了相应的数学模型和设计了相应的差分进化算法,该算法中加入了重构因子等新特性,缩小种群搜索范围,有效的避免种群重构的随机性,对提高寻优能力具有理想的效果。　　 3.研究了带软时间窗的联盟运输调度问题。在实际的运输调度过程中,每个客户要求在一定的时间范围内被服务,如果每项任务不能在要求的时间范围内完成,则给予一定的惩罚。本文针对带有软时间窗的AVRPSTW仿真实验,把模拟退火的思想融入差分进化算法得到混合差分进化(DEASA)。实验结果表明改进算法较好地克服了差分进化算法易陷入局部最优、收敛速度慢的缺点。　　 4.研究了带多配送中心的联盟运输调度问题。在实际的运输调度过程中,一个物流公司存在多个配送中心。先建立了该问题的数学模型,设计了自适应混沌差分进化算法(CADE),并对该问题进行了仿真实验。本章改进后的自适应混沌差分进化算法来求解最短路径和最少车辆数,取得了理想的效果。