随着我国市场经济的逐步完善,企业之间的竞争日益加剧,竞争手段也不断转换,由最初的质量到目前的价格、渠道、服务向未来的供应链的竞争发展。物流作为“第三方利润源”,已经受到国内各行业的极大重视并得到较大的发展。而作为物流主要组成环节的物流配送,由于其配送成本在物流成本中的比重逐渐加大,选择有效的配送路线,科学安排车辆路径,在满足顾客日益多变的需求同时,减低配送成本,给企业带来利润,引起了广大企业决策者和研究者的兴趣。本文在对“南京市SL公司产品配送”调研基础上,对收集到车辆路径的数据进行分析整理后,发现企业目前的产品配送系统存在一些问题:线路安排不合理;车辆利用率低;部分网点因为在不能在规定的时间窗内到达,导致满意度低。为了优化企业的产品配送系统,依据企业的实际情况,建立了单配送中心、单一车型、有载重限制、纯送货、有混合时间窗约束的物流配送车辆路径问题的数学模型。随后针对模型的特点,采用改进的遗传算法对其进行设计。在染色体的编码方式上,由于配送网点数为87个,本文采取一种类似于TSP的整数编码方式,直接将各网点序号随机进行排列。在染色体的解码算法上,通过对一种新颖的解码算法——Split算法进行改进,对染色体进行解码。在对选择算子进行设计的时候,采用将最优染色体直接保存到下一代,同时对于有两个相同的染色体,保存其中的一个进入下一代。在交叉算子设计时,采用的是类OX法。在变异算子的设计时,采用的是2-交换变异。之后,本文的算法用matlab 6.5编程实现。为了测试算法的求解性能,通过1个实例证明改进的遗传算法与传统的遗传算法相比,其优化能力、运行效率、可靠性均有一定的提高,具有良好的求解性能,是求解模型的一种有效方法。然后将所建立的模型与所设计的算法应用于企业实际的车辆路径问题,根据企业产品季节性的差异性,本文采用分季节制定配送方案,最后给出了企业在四个季节优化后的配送方案。改进后方案在配送距离、车辆利用率、配送费用这3个指标上,都有着显著的提高,取得了良好的应用效果,提高车辆的使用率,提高网点满意度,同时也为企业降低了配送成本,提高企业的利润空间。由此,表明模型和算法是正确和有效的。