对于物流企业而言，石油价格的不断攀升，严重的削弱了企业的盈利能力，影响到了行业的健康发展；对于自然环境而言，化石燃料燃烧所产生的温室气体与污染日趋严重，而交通运输工具是造成温室气体的主要原因；对中国而言，作为世界第二天石油消耗国，能源严重依赖进口却在国际市场石油定价中毫无话语权，受制于人。无论是从环境保护、国家能源安全战略，还是对于企业运营而言，切实降低碳排放保护环境，实现可持续的经济发展角度，降低车辆在物流运输中的燃油消耗，具有十分重要的意义。本文选取从车辆路径规划的角度出发，希冀通过更优的路径规划达到降低物流配送过程中的燃油消耗，因为最省油的路径往往不是最短的路径。本文的创新之处在于建立了符合实际情况的数学模型，在CVRP及VRPSDP下均以降低燃油消耗为优化目标，将内燃机燃油消耗因素与CVRP（VRPSDP）问题建立连接，使得本文CVRP及VRPSDP模型可以定量的表达内燃机燃油消耗。接着针对模型提出了改进的蚁群算法，在对中国道路规范与施工标准、内燃机耗油相关技术进行研究之后，在算法中针对降低燃油消耗目标引入特别设计的启发式因子，将行驶距离、货物重量、路面类型、道路坡度均充分考虑且根据中国道路规范与车辆实际燃油消耗情况合理进行参数设置，并在不同阶段动态的给予不同的优先级；在信息素更新方面，借鉴并行蚁群算法的优点，对传统的ACS信息更新机制做了创新，以更好的模仿了蚂蚁在真实自然环境中的并行策略，并参考了其余信息素更新规则。最后将模型与算法进一步扩展到了具有同时取货与送货条件下的VRPSDP，并针对其提出了更为通用的数学模型与算法设置。由于蚁群算法对于参数的敏感性，本文在进行了详细的参数设置讨论，最后通过Matlab仿真所取得的实验结果表明，在最小油耗目标下，每加入一种启发式因子都会促使CVRP节省燃油约9%，VRPSDP回程约束条件设置使得其具有更好的低油耗效果，虽然最后路径长度比最小路径目标增加了10%-20%，但最终求得的路径却节省燃油达30%左右。实验结果验证了本论文假设的合理性及算法的有效性，提供了一个新角度审视CVRP，并为如何让物流配送变得更加绿色低碳提供了一个参考方向。