得益于移动互联网带来的快捷便利的通信方式,客户和物流配送方之间的交流更加频繁,客户可以随时提交或者取消自己的配送需求。面对这种动态变化的客户需求,如何提高车辆路径规划效率,及时响应客户需求,对路径再优化以服务新增的客户需求,尽可能多地服务客户以提升客户满意度同时减少车辆配送花销,这些是物流配送中急需解决的问题。此外,传统的车辆路径规划方面的研究较少关注实际的道路交通网络,导致规划得到的车辆路径对车辆行驶缺乏指导意义。为了解决以上问题,本文考虑了道路交通网络以贴近实际的物流配送场景。本文对带道路网的车辆路径规划问题特点进行分析,构建了带道路网络的车辆路径规划问题模型,并通过抽象化深圳市南山区道路网络构建了贴近实际的测试数据集。为了更好地处理带道路网络的车辆路径规划问题,本文提出了基于群体智能的混合算法。该算法通过头脑风暴优化算法中的聚类操作使得蚁群系统算法学习解的共性特征,进而加快搜索速度;通过局部搜索来搜索不同范围内的解以提升解的质量。本文通过在实际的道路网络测试数据集上将基于群体智能的混合算法与其他算法对比,验证了基于群体智能的混合算法具有良好的求解能力。本文在带道路网络车辆路径规划问题的基础上考虑动态需求场景下的车辆路径规划问题。为了处理该问题,本文研究了动态车辆路径规划问题中的动态处理策略,提出了滚动周期处理策略来确定合适的问题求解时间点,以将动态问题及时地转化为静态问题(即带道路网络的车辆路径规划问题)求解。此外,为了在尽可能多地服务客户的同时降低物流配送成本,本文提出了重复插入算法以解决传统插入算法因未充分利用原有路径信息而无法服务客户的问题。最后,本文通过仿真实验验证了所提出的滚动周期处理策略和重复插入算法的有效性。