近年来,物流经济发展迅速,企业对物流服务水平提出了更高的要求,落地配送、及时配送成为企业追求的重点目标,这使物流配送环节的车辆调配更加复杂,对于配送中心选址与车辆行驶路径也相互关联,而对于大规模的多中心选址与路径规划,他们之间的影响更加明显。与此同时,在个性化服务的条件下,企业之间的竞争更加剧烈,对于小批量、多批次的订单,在满足客户要求的基础上,增加企业的收益,减少配送成本,成为企业关注的问题,同时取送货将成为提高效率的有效方式,如今满足客户的时间约束要求成了必备条件,对服务水平要求的提高,使快递配送人员将面对更高的要求,为保障配送人员和车辆的行驶时间,本文不仅满足客户的最晚时间要求,也要求车辆的行驶时间限制,在此前提下,本文考虑了配送工作人员的最长工作时限,并规定了客户要求的最晚截止时间,将取送货的车辆路径成本与选址结合在一起,选出多个配送中心,优化配送路径,并在静态需求的取送货车辆路径规划的基础上加入动态需求,合理优化取送货路径,提高服务质量。本文结合研究生期间的专业专业知识,参考物流方向的相关研究成果,从不确定因素的一类出发.展开本文的主要工作:（1）考虑确定型客户需求的同时取送货问题,将选址和路径结合在一起,通过两者之间的相互作用选出多个优化的配送中心,通过变化的客户节点与客户需求计算出多周期内的配送中心成本,考虑配送中心的租金、负载均衡等因素,应用熵权-topsis法筛选备选方案,利用改进的蚁群算法进行多周期的LRP的模型构建和求解,并将其与实际问题相结合,求解出成本最小的选址方案以及对静态的取送货路径进行规划。（2）考虑了三种需求对车辆路径的优化问题,包括确定需求、可选择动态需求与紧急动态需求,对不同情况的车辆路径进行合理的规划。在确定型需求的基础上,插入新出现的客户,并对动态需求进行客户分析,决策出必须服务的紧急客户还是可以进行选择的取货客户,分析加入新增客户带来的时间变化与容量变化,以及客户时间约束限制、紧急客户的时间要求,合理的构建模型,加入时间惩罚成本,动态客户带来的收益,通过改进的蚁群算法求解动态问题。（3）案例分析。搜集节点、需求等相关数据,通过构建的模型与现实情况相结合,经过编程软件的求解和分析,合理的进行选址和路径规划,并验证了加入动态需求的合理情况,提高了配送企业的服务质量。本文考虑了三种需求的车辆路径优化问题带来的影响,提出了对同时取送货的LRP模型和插入动态需求的解决方法,丰富了目前对于动态需求相关的研究内容,为提高客户服务水平提高了新的方案,具有重要的现实意义与应用价值。