在“小批量、多批次、高时效”的城市配送需求日益增长的发展趋势下,需求可拆分车辆路径问题(SDVRP)凭借其相对传统车辆路径优化可以更好地降低运输成本、减少车辆使用数以及一定程度上能有效实现缓解交通拥堵、减少环境污染等优势,在现实中应用逐渐增多,使得SDVRP及其扩展问题研究成为了车辆路径问题的研究热点之一。目前传统需求可拆分车辆路径问题的数学建模一般都是在假设客户需求均允许任意无限拆分的前提下开展的,忽略了不同客户对需求拆分的实际意愿的差异性,也未考虑到每一次需求拆分给客户接货带来的不便影响,以及应采取何种措施来缓解此不便影响给客户带来的不满感受,只是对现实问题的近似理想的假设描述,求得的结果很可能与客户实际意愿产生较大偏差,甚至导致客户流失,造成与物流配送企业追求成本降低相悖的效果。为了使需求可拆分配送更加符合实际应用,应该在现有SDVRP研究前尽可能充分地掌握客户对货物被拆分的接受意愿,受此启发,本文提出研究考虑客户满意的需求可拆分车辆路径问题(SDVRP-CS)。论文首先对国内外有关SDVRP和客户满意的文献研究进行综述分析,然后详细介绍了SDVRP和客户满意的相关理论,分析SDVRP问题中影响客户满意的主要因素,并提出相应的量化方法。接着,在传统SDVRP问题上引入客户拆分补偿成本、货物需求可拆分性因素,建立了以总配送成本为最小优化目标的可拆分需求点随机的SDVRP-CS模型(ModelⅠ);在传统SDVRP问题上新增客户拆分补偿成本和最大拆分次数,建立了以最小化总配送成本为单目标的可拆分次数有限的SDVRP-CS模型(ModelⅡ);以及提出结合前两个模型引入一种客户新型混合时间窗因素,建立了以平均客户时间满意度最大和总配送成本最小为双目标的带新型混合时间窗的SDVRP-CS模型(ModelⅢ),并分别根据模型特点,改进设计相应的禁忌搜索求解算法。最后,以经典的Solomon基准实例集为基础,结合模型特点,选用Solomon中客户点位置分布不同的R、RC、C1和C2这四类算例进行需求量调整,生成ModelⅠ和ModelⅡ算例,选用客户点位置随机分布的Solomon R109算例进行相应调整生成ModelⅢ算例,并利用相应的禁忌搜索求解算法在MATLAB软件上编程测试,测试主要围绕研究可拆分需求点比例、最大拆分次数限制及拆分补偿成本等因素的变化对相应模型结果的影响,分析各模型相对传统VRP和传统SDVRP的优劣性展开。结果表明:本文考虑客户满意的需求可拆分配送模型均既能实现比传统VRP更低的总配送成本,又能比传统SDVRP更好地保障客户满意,求解算法具备较好的鲁棒性与收敛性;ModelⅠ算例测试得出当可拆分需求点比例达到20%时,相对传统VRP节省的成本就可以达到可拆分需求点比例为100%时节省的成本的近一半;ModelⅡ算例测试得出当客户最大拆分次数限制为1次时,相对传统VRP成本节省效果就能达到无最大拆分次数限制时成本节省效果的近80%及以上;ModelⅢ算例测试得出当客户单次拆分补偿成本超过启用一辆车辆配送的固定成本的30%时,最优规划方案将放弃对客户需求的拆分配送。基于各模型算例测试结果,本文有针对性地为物流配送企业选择开展需求可拆分配送提出了相应有用的指导建议。