近年来,电动车辆具有能耗低、污染小等优点,被认为是传统燃油车辆的绿色替代品,利用率逐步提高。但由于电动车辆较高的购置成本、有限的续驶里程以及较长的充电时间,目前还很难完全替代传统车辆,电动车辆和传统车辆共存的混合车队更接近物流企业现状。国家政策扶持,相关技术迅速发展,电动车辆发展势头良好,将逐步取代传统车辆在物流配送领域中的重要地位。而大部分物流企业通常是小批次逐步替换原有车辆,在此过程中技术更新换代,电动车队会包含多种车型。因此,物流企业不仅要持续关注运输配送的成本和时效性指标,同时还要面临车队电动化过程中多种能源、多种车型所带来的调度难题。基于上述背景,本文聚焦电动化过程中的车队配置,综合考虑车辆碳排放和充电设施的影响,分别研究带时间窗的双目标混合车队车辆路径问题和多车型电动车辆路径问题。主要工作包括:（一）研究带时间窗的双目标混合车队车辆路径问题。本文考虑车辆行驶距离和载重对能耗的影响,通过碳税将碳排放成本化,建立双目标优化模型,最小化配送过程中产生的总运营成本（包括车辆固定、运输、充电和碳排放成本）以及时间惩罚成本。（二）研究带时间窗的双目标多车型电动车辆路径问题。在其双目标优化模型的构建中,考虑不同类型电动车辆在车载容量、电池容量以及固定成本等方面不同,最小化多车型电动车队的总运营成本和时间惩罚成本。（三）针对上述模型,设计非支配排序遗传算法（NSGA-Ⅱ）求解。针对问题特点分别设计编码和解码策略,通过MATLAB软件求解,得到帕累托前沿,并与分层序列法和加权求和法的结果进行比较分析。通过上述求解与对比分析,可以得出结论:两个目标函数相互矛盾,双目标优化有意义;帕累托最优解集处于合理范围内,与其他求解方法所得结果互不支配,验证了算法求解结果的合理性和有效性。本文可为物流配送中的车队配置和行驶路径优化提供参考,提高电动车辆的利用率,帮助企业降低运营成本、提升服务水平,具有重要的理论和现实意义。