《物流配送路径优化调度建模与实务》所研究的定位一运输路线安排问题（LRP）是集成化物流系统中路径优化问题的一个重要分支，是任何一个大型物流配送企业必须要面临的问题。文中重点要解决的是物流配送路径问题（LRP，VRP）的多目标优化求解算法和优化调度控制方法；采用智能优化算法（遗传算法等启发式搜索技术）同时结合聚类分析理论，求解物流配送优化路径问题。
《物流配送路径优化调度建模与实务》研究工作的主要内容可以概括如下： 1.完成了物流配送路径问题研究综述，提出了基于运筹学基础的LRP问题模型的表示方法，建立了单目标LRP问题和多目标LRP问题的0—l混合整数规划模型。
2.根据集成化物流中的定位一配给问题的特点，提出了基于小波分析的启发式算法，仿真实例证明此算法能够有效地解决中、小规模的实际问题。
3.提出了解决集成化物流中的运输一车辆路线安排问题的聚类一改进遗传算法。此算法提出一种首先用优先级综合聚类分析法将客户分类，然后用带有控制开关系统的改进遗传算法求解多目标VRP的优化方法。该方法构造了一种随机开关，以此控制遗传算法中的变异运算，增加了群体的多样性，从一定程度上避免了遗传算法中的“局部最优现象”的发生。通过计算机仿真实验，证明了该算法的有效性和准确性。
4.分别设计了求解单目标定位一运输路线安排问题（LRP）的两阶段启发式算法和聚类一混沌搜索混合算法。仿真实验证明了两阶段启发式算法可在一定程度上避免“局部最优解”的出现；而聚类一混沌搜索混合算法有利于快速寻找最优解。这两种方法有效地解决中、小规模的LRP问题，并为大规模解决实际问题提供思路。
5.针对多目标LRP的复杂性，分别设计了嵌入混沌搜索的遗传算法和嵌入模糊规则的遗传算法求解多目标LRP问题。这两种算法有利于解决实际物流配送多目标LRP问题。
6.构建了多目标LRP问题优化调度系统设计模型，为进一步建立物流配送路径优化仿真调度系统奠定基础。