徐婷婷，胡晓锐，胡 文，李双庆，池 磊

(1.国网重庆市电力公司 营销服务中心,重庆 401123；2.重庆大学 计算机学院，重庆 400044)

物流配送对规模和时效性要求越来越高，物流车辆路径优化问题显得极其重要，合理的车辆路径规划方案可以为企业节省大量配送成本。另一方面，传统物流车辆已造成严重的污染物排放问题，而物流汽车电动化是解决排放治理的重要手段，但电动物流车最大的问题在于配送里程焦虑。考虑物流总路程、用户时间窗口、总时间的条件下，提出一种加权AP聚类的非支配排序遗传算法(AP-NSGA-Ⅱ)来解决电动物流车的路径优化配送问题。

电动物流车物流配送大部分关注的是路径优化。葛显龙等[1]运用混合模拟退火算法研究了灵活充电策略带时间窗口的电动物流车的配送问题，Schneider和Stenger等[2]在VRP条件下，通过车载电池容量的增加，搭建了电动物流车的车辆路径优化问题，并建立电动汽车数量最小和路径最短的多目标，寻求最优行驶路径。Lim和Kuby[3]基于公共设施的选址问题，提出电动汽车的能源补充设施选址模型。冯智泉等[4]应用蚁群算法对分段路线进行优化，在全局充电方案中加入行驶路径的约束，将两部分结合形成全局的最优行驶路径。文展等[5]提出一种改进的粒子群优化算法解决离散域的组合优化问题及车辆路径规划。但这些方法普遍存在以下问题：1)随着配送点的增加，车辆路径可行解呈阶乘增长，使用启发式或者亚启发式算法的求解效率低，且容易陷入局部最优，贪婪随机自适应搜索算法等[6-10]；……