当今经济快速的发展,企业为了获得更多的经济效益,已不仅仅局限于提供产品本身,同时开始着眼于利用附加服务来吸引更多的客户,在此背景下,物流配送服务大面积兴起。车辆路径问题作为物流配送的关键环节,是其重要的组成部分和研究方向。但是由于传统车辆路径问题约束了每个顾客点必须由一辆车进行服务,而在实际物流配送过程中为了节约成本,经常存在将一个顾客点的需求拆分由一辆以上的车辆进行服务的情况,这启发本文针对于可拆分的车辆路径问题(SDVRP)进行研究。与此同时,考虑到问题建模中忽略了货物重量对运送车辆数和总运输费用的影响,因此求得的最优路径可能并非实际车辆数和费用最少的路径。因此,我们又将车辆的载重量加入到目标中,提出了带货物权重的车辆路径问题(SDWVRP)。这里的货物权重是个广义的概念,不仅仅局限于货物载重量,还可以表示还可以代表运输过程中货物的优先程度,紧急程度,以及顾客点的优先级和重要程度。而相应的模型目标除了可以代表运输过程中的总费用,还可以作为运输过程中总碳排放量、易腐食品的损失量、危险品的风险值、物流运送效力、满意度值、顾客总旅行时间和顾客点的优先程度等。本文主要以物流配送问题为研究背景,具体研究工作包括：研究了SDVRP问题的背景和数学模型,设计了最大最小蚁群算法和禁忌搜索算法求解SDVRP司题,通过比较两算法的求解效果,证明对于SDVRP问题模型来说,最大最小蚁群算法求解效果较优,并在两算法求解结果的基础上,分析出使用可拆分模型比不使用可拆分模型可以获得更大的经济效益。实验数据选取于VRP BENCHMARK实例库中的实例,以地理位置分布类型和货物权重类型对实例进行划分,构成7种实例分布组合,通过对以上实例进行测试分析,我们考察了在何种地理位置分布和货物权重分布类型下,SDVRP建模效果更明显。并且,通过对MMAS算法参数进行全因子分析,得出了最适合求解SDVRP问题的算法参数。在SDVRP问题的基础上,将顾客点货物权重可能对路径规划产生的影响考虑到问题中,我们提出了SDWVRP问题模型,并且根据问题自身特点,设计出改进的最大最小蚁群算法用于求解SDWVRP问题。通过对SDWVRP模型与SDVRP模型的比较,讨论将货物权重考虑到问题求解中的必要性和可行性,指出对于不同类型实例来说,SDWVRP模型均有较好的表现。同时指出,在货物权重相差较大和地理位置较为分散时,考虑货物权重因素的建模效果更好。通过对SDWVRP模型与WVRP模型的比较,说明考虑拆分策略对问题求解的意义,经过对大量实例的测试分析,证明可拆分策略可以更明显的减少运输过程中使用的运输车辆数,进而降低运输总费用,减少企业总成本。综上,通过实验测试可以说明,考虑可拆分和货物权重的模型求解效果,会受到顾客点地理位置分布类型和权重分布类型的影响,特定的地理位置和权重分布组合可以得到更好的求解效果。