近年来物流行业欣欣向荣,越来越多的物流活动也产生了越来越多的污染。由于物流产业扩大,其管理难度也大大增加,各个配送环节的不合理,都将导致车辆绕路行驶、行驶时间增加、空车率增大等一系列问题。而车辆行驶距离长会直接导致车辆行驶过程中尾气排放多,也导致了能源的利用率低。与传统燃油车相比,电动车仅消耗电能来提供动力,有效改善因排放二氧化碳等气体而降低的城市空气质量。随着电动车产业技术的不断发展,其生产过程中越来越多的难题被攻克,使用成本也随之降低,电动车这一新型行业也将有着巨大的发展潜能。物流市场的激烈竞争也使得第三方物流公司在保证客户服务质量的前提下,通过各种策略机制来降低成本,而需求可拆分的车辆路径问题这一研究对降低成本有明显效果。当客户的需求量差别较大且货物可混合运输的情况下,一部分的客户的货运量可进行拆分运输。一方面,此策略可以提升车辆的运载效率从而降低第三方物流公司的成本;另一方面,客户也将受益于物流公司的成本降低,使得其托运费用得到降低。这不仅可以提升货车利用率、降低企业成本,更因其能规划更科学的路径而减少污染而达到节能减排的目的,这将是物流配送发展的大势所趋。本文首先介绍文章的研究背景和研究意义,总结了需求可拆分的车辆路径问题的研究现状,梳理有关碳排放的车辆路径问题的研究和电动车车辆路径问题的研究以及有关粒子群算法的研究。通过对比和传统车辆路径问题的约束差异,明确了需求可拆分的车辆路径问题的定义。还阐述了燃油车和电动车分别的成本构成,描述了基本的粒子群算法原理和运行流程,点明其优劣势,为后文设计改进算法奠定基础。对传统燃油车和新型电动车分别建立模型并设计加入了动态学习因子和动态惯性权重的改进的粒子群算法,并在分散型大需求客户和密集型小需求客户两种不同群体间进行成本的分析对比。通过不同情景的案例分析表明,本文设计的燃油车和电动车的模型可行,改进粒子群算法有效,通过分析不同情景下燃油车和电动车配送成本的差异,本文指出:在不同情景中,燃油车和电动车配送成本各有优劣,物流企业应结合自身实际,合理调配资源,获取最优配送方案,这为物流企业选择配送车辆提供了思路,也为发展绿色物流指明了方向。