车辆路径问题VRP（Vehicle Routing Problem），又称车辆调度问题，通常可以描述为：
对一系列装货点和卸货点，组织适当的行车路线，使车辆有序地通过它们，在满足一定的约束条件（如货物需求量、发送量、交货时间、车辆运量限制、行驶里程限制、时间限制等）下，达到一定的目标（如路程最短、费用最少、时间尽量少、使用车辆台次数尽量少等）。对这个问题的研究比较多，现在还是许多物流专业大学生毕业设计的热门题材。
当前，解决VRP问题已经很少靠手工操作了，基本都是在TMS中有相应的模块，输入基础数据后直接得出推荐的最优路线。总结起来，解决VRP问题的常规方法，主要包括以下这些。
一、定性方法。主要有经验判断法，综合评价法。这些方法配以GPS导航，可用性还是比较强的，起码王二的仓库里主要就是这么用的。
二、定量方法
1、货物调拨规划
指的是当一个企业的产品有多个供应商和多个市场时，需要决定产品从不同供应地到不同市场的分拨方案，即如何在多个供应地和多个需求地之间合理调配货物，在满足需求的前提下实现总运输成本的最小化。可采用的方法包括：图上作业法、表上作业法（西北角法、闭回路法、位势法等）。
2、车辆路径优化
（1）单一车辆配送
一般以行车时间最短、距离最短或费用最小为优化目标，也称为最短路径问题，通常采用的方法有：多阶段动态决策法、Dijkstra方法、旅行商问题模型、中国邮递员问题等。
（2）多车辆路径问题
一般描述为：某仓库要为多个客户提供服务，已知每个客户的地理位置及货运需求量，仓库需要调用多辆货车来满足这些客户的需求，每辆汽车的载重量一定，要求确定为这些客户提供服务的货车数量，并为每辆车分配一定的服务客户；同时，确定每辆车的行驶路径（或服务顺序），使总成本（如距离、时间等）最低，可以采用的方法包括：扫描法、里程节约法等。
当然了，随着AI技术的兴起，一些更智能的方法已经应用于实际工作中，比如模拟退火算法、禁忌搜索算法、遗传算法、蚁群算法和神经网络方法等。