本文针对传统的求解有时间窗的车辆路径问题(Vehicle Routing Problem with Time Windows，VRPTW)建模与求解过程对专家的依赖性强的缺陷，研究VRPTW模型的知识表示问题。通过深入分析VRPTW问题的特点，及其数学模型的建模与求解特征，引入了人工智能及知识工程的相关知识表示理论与方法，对VRPTW模型的问题已知知识、建模知识与求解知识进行了整合表示。本文的主要研究工作如下： (1) 深入分析VRPTW问题数学模型以及用于求解该问题的高效的启发式求解算法的特征，剖析了模型表示研究领域中的成果，为提出VRPTW模型基于知识的表示方法奠定了基础。 (2) 在分析VRPTW问题已知知识，专家建模知识，及模型求解知识的基础上，提出了该问题模型的完整知识结构，阐述了VRPTW模型基于知识的表示方法的原理。 (3) 以现有的VRPTW的数据库为基础，结合上述分析出的表示方法的原理，用六大部分——B，R，G，I，S，C实现了VRPTW模型整体知识的表示，将数据、事实、规则、方法以及推理过程作为知识统一处理，消除了传统决策支持系统数据库、模型库、以及知识库等多库处理时带来的接口问题以及处理方法不一致的问题。 (4) 以BRGISC模型知识表示方法为基础，实现了中石油大连配送分公司某片区成品油配送VRPTW问题的实例求解。 该模型表示方法使得模型的建立和求解可以不依赖于专家，并且该方法将所有知识统一处理的思想提高了物流配送优化调度系统结构的简洁性和处理方法的一致性，模块化的表示方式使得不同类型的车辆路径问题建模和求解过程中使用的知识在该表示方法下可以很容易得到修改，从而促进了物流配送系统对多种车辆路径问题建模与求解的动态性和自适应能力。