文献综述（或调研报告）：
（1）车辆路径问题
车辆路径问题(Vehicle Routing Problem, VRP)是在 1959年由Danting和Ramse提出的。TSP旅行商问题是车辆问题的一种特殊形式，即多车配送，多条路径转变为一车配送，一条路径的遍历问题。但无论是TSP问题还是VRP问题都属于NP-hard难题，这一观点已由Karp（1972）证明
从1959年VRP问题的提出到现在，相关的研究飞速发展。最传统的VRP问题是由一个仓库出发，向客户配送货物，一个客户只能由一辆车配送，车辆载重有限制，车辆起讫点相同且固定，约束函数根据研究偏向有所不同，可以是顾客满意度最高，可以是路径最短，或者多目标优化。而不同偏重方向的模型现在已经发展了很多。
带时间窗的车辆路径问题( Vehicle Routing Problems with Time Windows, VRPTW)是对基于顾客对于配送时间要求的限定条件下发展出的一种模式。吴红丽（2018）针对这个问题采用了混合遗传算法（最先由Cheng 和 Gen 提出）,而彭敏（2007）则是另外对时间窗的概念进行进一步改进，提出实际生活中，时间窗与客户满意度的关系，认为模糊预约时间窗的设定更加符合实际情况。任亮（2018）以客户的敏感程度为重点，对运输时间和满意度之间的关系影响，提出前景值与效用值可左右客服的态度，从而影响到满意度。
T. Ralphs, J. Hartman和M. Galati （2001）提出带能力约束的车辆路径问题（Capacitated Vehicle Routing Problems, CVRP），它是考虑车辆实际载重的路径优化问题。在阅读的大部分实际运用类型的文献中，都考虑了车辆的容量问题，但是都是单一品种车辆，在Ping Chen（2009）等人的研究中虽然提及了不同车辆类型作为变量加入运算中，但实际操作并没有以这点为重心展开。
非单一配送中心车辆路径问题( Multiple Depot Vehicle Routing Problem, MDVRP) 是C. Hjorring（1995）提出。是指多个配送中心可将顾客分组，配送点的减少可使运算难度降低。但此问题本文的研究方向不相符，在此不做过多的阐述。
目前对于路径优化的算法的研究方向大致可以分为:精确算法和现代启发算法。精确算法包括线性规划(Linear Programming),动态规划(Dynamic Programming) 由Eilon最先运用于固定车辆的VRP问题中,而针对CVRP问题，Laporte G提出分支定界法(Branch and Bound Algorithm)来解决;现代启发式算法包括禁忌搜索（Tabu Search Algorithm ），最先由Renaudn提出，来避免局部最优的情况，扩大解的搜索范围,在我国，姜大立等在1999年提出遗传算法(Genetic Algorithm)，将染色体的遗传变异等现象对用于VRP问题，此方法可以得到优化解和近似优化解，同时蚁群算法（Ant Algorithm）、模拟退火算法( Simulated Annealing Algorithm)也在这期间不断的创新发展。
大部分文章都针对四种现代启发式算法进行了对比运算，其中张伟（2015）对于蚁群算法的理论进行了阐述并对实际操作过程提出了具体方法，张沁(2018)则运用了实例研究，探讨了南京苏宁的路径优化方案，针对多个转运点的问题，王雷震(2018)加入粒子群的思想，改进蚁群禁忌表。同时对时间要求极高的生鲜配送，彭明（2009）和张培（2018）都采用遗传算法得到最优解。以上都是改进单一算法，而吴红丽则在研究中进一步混合算法SAGA改进运算流程。目标函数的选择，有成本最优，时间最优等，目标函数唯一，针对这种情况，卫田(2007)提出多目标优化算法来改进结果。这使得模型更加符合企业生产的实际情况。
（2）物流模式
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
