万物互联是当今时代发展的必然趋势,作为实体化载体的物流产业,其发展水平更是社会现代化的一个重要标志。作为物流体系的主要功能车辆配送,在配送环节中,车辆路径的优化将会影响整个物流体系的经济效益和以及当下的环境。物流车辆路径优化作为涉及多个影响因素和多目标要求的优化问题,其中具有时间窗约束的物流配送车辆路径问题是一个NP难问题。根据物流车辆路径优化发展的现状,文章重点研究时间窗下的单车场多目标的车辆路径优化问题和时间窗下多车场多目标的车辆路径优化问题。首先,针对时间窗下的单车场多目标优化问题,给出了基于时间窗约束下的车辆配送路径优化模型,其中以配送距离和配送时间为目标函数,利用改进的C-W节约算法对模型求解,并与传统的C-W节约算法进行实例比较验证,讨论了各种方案的优劣,给出了切合实际需要的配送方案。其次,对于时间窗下多目标多车场车辆路径优化问题,考虑到车场的多样性,将车场直接看作配送中心,配送车辆直接从配送中心出发,为客户服务,且每个客户只被服务一次,完成配送服务后,配送车辆可以选择临近车场休息,无需返回出发车场,整个配送环节中需随时调整每个车场的车辆数。由此,建立了时间窗下多车场多目标的车辆路经优化模型,其中以碳排放量、配送成本、配送车辆数为目标函数。基于以上模型,提出改进粒子群算法,该算法是在基础粒子群算法基础之上进行改进,将线性递减惯性权重更新为指数函数惯性权重,改变粒子更新速度与位置的策略,为提高算法的搜索能力避免局部最优,根据Pareto支配关系引入禁忌表储存非支配解,通过计算拥挤距离区分个体优劣性,更新外部集将非支配解集中的粒子储存到外部集合中。调整同一非支配解的顺序位置,更新全局最优位置,达到优化目的。最后,以A公司为例,分析并建立模型,通过对比改进前后的算法,验证了改进粒子群算法的可行性。针对文章以上研究内容进行总结与展望。