物流供应是建筑领域必要的组成部分,同时,物流供应是供应链活动中的重要组成部分,是将商品从产地或配送中心运输到各个需求地点的过程,物流成本在供应链的总运营成本中占有相当大的比重。在当今市场经济竞争愈发激烈的环境下,企业单一考虑压缩商品成本已经无法显著提高企业的经济效益,降低商品配送成本已经成为相关企业考虑的首要因素,高效、低成本的实施物流配送对供应链竞争至关重要。因此,对物流配送方案的合理规划是供应链管理中一个十分重要的环节。物流配送中的车辆路径问题（Vehicle Routing Problem,VRP）最早由Dantzi g和Ramser在1959年提出,该问题描述为:车辆装载一定量的货物从配送中心出发,依次经过全部具有一定商品需求的节点,满足各配送节点的需求,最后返回配送中心,中途如果货物不足可返回中心补货。问题的目标是规划一条行驶距离最短的路线,即配送次序。在实际的供应链活动中,市场需求通常是不确定的随机变量。因此,对于固定的行驶路线,配送车辆在哪些节点需要返回补货、补货多少次都是不确定的,从而导致行驶距离是随机的。这类问题称为随机需求车辆路径问题（Vehi cl e Routing Problem with Stochastic Demand,VRPSD）,其目标是规划一条行驶距离的数学期望最小的配送路线。另外,配送时间也往往是不确定的,这类问题称为模糊时间窗车辆路径问题（Vehicle Routing Problem with Soft Time Window VRPSTVV）,其目标是规划一条满足模糊时间窗约束的最短配送路线。本文从控制企业物流配送成本、提高物流配送效率的角度出发,综合考虑客户需求的随机性以及配送车辆的装载容量、配送时间等约束条件,分别建立了不同策略下车辆路径问题的数学模型,设计了寻找最优路线的优化算法。主要研究成果如下:（1）在不做预防性返回的策略下,分别建立了限制车辆返回配送中心次数以及不限返回次数的随机需求单车辆模型,给出了车辆行驶距离的一般期望公式,并针对需求服从离散分布、连续分布的不同情况,给出了计算期望的具体公式。（2）在做预防性返回的策略下,分别针对需求量服从离散分布、连续分布两种情况,给出了车辆行驶距离的期望的递推公式,并在需求服从二项分布、泊松分布的假设下,对做预防性返回和不做预防性返回这两种策略进行对比,发现做预防性返回策略下的行驶距离期望更小。（3）在解决TSP问题的遗传算法的基础上以路径长度的数学期望最小化为目标,设计了针对VRPSD问题的遗传算法,寻找出最优的配送次序。最后通过仿真实例验证算法的可行性与效率,分析了遗传算子中变异概率对算法效果的影响。（4）针对配送时间不确定的车辆路径问题,以配送路线距离最小和配送车辆数量最小作为优化目标,建立了具有模糊时间窗约束的多目标规划模型,设计了一种求解最优配送路径的模糊线性规划方法。图[13]表[4]参[24]