在科学技术飞速发展的今天,物流业面临着更多的挑战,要想在挑战中获胜,就要进行变革,而在创新变革的过程中,由于运输成本占物流总成本的50%以上,因此,如何优化配送路径也就成为了物流企业最关心的课题。车辆路径问题(Vehicle Routing Problem,简称VRP)是一个复杂的组合优化问题,针对这一问题的研究已经越来越广泛,运输路径的好坏将严重影响配送的速度、成本和用户满意度等,因此,本文应用遗传算法来优化车辆路径的问题,这对企业实现降低运营成本、增强顾客满意度、提高服务质量等都有很高的参考价值。目前对于车辆路径问题的研究还处于探索阶段,还没有一种万能的方法适合所有的问题模型。在考虑车辆路径问题的约束方面也不够全面,很多研究都仅仅局限于满足车载量约束等初级阶段,没有考虑到时间窗约束、客户满意度约束等。针对问题的最终目标,很多研究仅仅考虑路径最短,而不注重配送车辆数目、客户配送等级等问题,导致总配送成本的提高,本文针对这些问题做了进一步的研究,考虑了时间成本、客户满意度等问题,使总物流成本得到了降低,提高了企业的经济效益。本文主要的研究内容为:首先,系统地介绍了车辆路径问题以及各类算法的相关理论知识,并在此基础上深入分析此问题模型,通过对现有的解决车辆路径问题的方法进行研究,采用局部改进的遗传算法解决车辆路径问题。其次,考虑了车辆路径问题中的车载量约束、时间窗约束、客户满意度约束等,完善了问题模型,并对模型进行了优化,使模型在满足所有条件的前提下更加简化,更容易算法的实现。对遗传算法采用自然数编码策略,使其更容易满足不同模型的需求;通过扫描法生成算法的初始种群,一定程度上避免了纯随机策略导致的初始种群适应值过低的现象,加快了算法的收敛速度;采用排序法进行遗传算子的选择,使适应值高的个体遗传到下一代的概率得到了提高;将逆转算子与变异算子结合,使变异的过程更具规则性,同时降低了优良基因缺失的概率。对于算法的设计,每一个步骤都降低随机性选取的概率,加快算法的收敛速度,降低局部收敛概率,使其更容易寻找到最优解。通过案例验证了算法的优越性,并通过matlab对算法进行模拟仿真,使算法的应用更加直观和清晰。