车辆路径问题的发展
1964，Clark和Wright[4]一种改进Dantzig-Ramse方法的有效启发式算法Clark-Wright节约算法。
正是由于上述两篇开创性论文的发表，VRP成为运筹学和组合优化领域的前沿和热点。
在1969中，克里斯托菲德斯和艾龙应用2-opt[5]和3-opt[6]来解决车辆路径问题。
在1970中，提出了一种解决车辆路径问题的两阶段方法，包括两种启发式策略:集群优先-路径第二和路径优先-集群第二。
在1981中，Fisher和Jaikumar提出了一种基于数学规划的优化方法来处理涉及约50个客户点的问题，其运行效率也是一个亟待解决的问题。同年，古伦、贾维斯和拉特里夫建立了一种启发式的人机交互方法。
在1981年，博丁和戈尔登总结了许多VRP的解决方案。它可以分为以下七类:确切的程序；互动优化)；方法；集群第一——路线第二；路线第一——集群第二；保存或插入；改进或交流；数学编程(数学编程)。
自1990以来，人工智能方法在解决组合优化问题中显示出强大的功能，在各个领域得到了充分的应用。许多学者也将人工智能引入到解决车辆路径问题中，构建了大量基于人工智能的启发式算法。禁忌搜索(TS)基本上是人工智能(AI)的局部搜索方法。威拉德首先用这种算法来解决VRP。袁庆达[7]等人设计了一种考虑时间窗和不同车型的禁忌算法。该算法主要利用遗传算法生成初始解，然后用禁忌算法对初始解进行优化。模拟退火法具有快速收敛和全局搜索的特点。Osman[8]研究了VRP的模拟退火算法。遗传算法在解决组合优化问题方面具有良好的特性。Holland首先使用遗传算法(GA)来解决VRPTW问题。目前大多数学者采用混合策略，采用两种人工智能方法进行路线分组和路线优化。Ombuki[9]提出了用GA进行路线分组和用TS法进行路线优化的混合算法。Bent和Van Hentenryck[10]首先用模拟退火算法使车辆路线数最小，然后用largneighborhood搜索使运输费用最小。
基于以往求解VRP的方法，可以分为精确算法和启发式算法，其中精确算法包括分支定界法、分支切割法、集合覆盖法等。启发式算法包括节约法、模拟退火法、确定性退火法、禁忌搜索法、遗传算法、神经网络、蚁群算法等。