随着社会经济的快速发展,拥有多个车场多种车型的大规模物流运输企业甚至企业联盟正在快速兴起,仅考虑一个车场、一种车型的基本车辆路径问题已经不能跟上社会发展的需要,多车场多车型车辆路径问题亟待解决。但是,由于含有“多车场”与“多车型”两个重要的约束条件,原本就复杂的车辆路径问题变得更加难以处理。针对这一难题,以提高多车场多车型车辆路径问题的求解效率和解的质量为目标,建立了该问题的数学模型,并重点设计了求解该问题的多染色体遗传算法,对求解多约束条件下的车辆路径问题展开了探索性的研究。论文的主要研究内容如下:(1)对多车场多车型车辆路径问题作了基本描述,确定了该问题的优化目标和约束条件,变量采用三角标形式表示,建立了与之相应的车辆流数学模型。(2)针对多车场多车型车辆路径问题及其数学模型,设计了有别于传统遗传算法的多染色体遗传算法,详细阐述了该算法的几个特点,并给出了该算法的具体实现步骤。(3)通过多组算例实验对多染色体遗传算法的有效性及可行性进行了验证,并通过与传统遗传算法的对比实验展开对多染色体遗传算法性能的检验工作。实验表明,多染色体遗传算法在求解多车场多车型车辆路径问题时,不仅呈现出搜索效率高和收敛速度快的特点,而且解的质量和稳定性高,从而验证了该算法的有效性和实用性。本研究是组织优化技术与人工智能领域的交叉与结合,为解决多车场多车型车辆路径问题这一热点和难点问题进行了有益的探索。论文的研究成果是对遗传算法的扩展延伸,还可以应用于更广阔的多约束车辆路径问题。