车辆路径优化问题已经被证明属于组合优化中带多个约束的NP-Hard问题,它也是各个国家研究的热点之一,由于其约束条件的不单一造成了其难于用正常的算法进行求解。在阅读大量文献的基础上发现针对物流配送过程中的路径优化问题,研究单一目标配送的情况较多,而在现实生活的实际物流配送过程中,不同的客户对于送货的要求则有不同的要求,而单一目标过于笼统从而忽略了客户的个性化需求,所以本文综合考虑到不同客户的需求,建立了关于运输成本、运输车辆的数目、顾客满意度等多方面的目标,结合配送过程中避免车辆迂回运输、满足顾客在规定时间窗内能接收到货物的实际要求,建立了静态多目标数学规划模型,该模型能更好地描述现代物流配送问题。本论文从多目标车辆路径优化的角度出发,利用文献检索法整理总结车辆路径优化问题的相关理论和基本模型,结合天津赛闻企业配送实际情况,建立符合实际配送需求的多目标模型,通过对比分析法求解所建立的多目标配送模型,最终选择适合解决多目标模型的带精英策略的快速非支配排序方法即NSGA-Ⅱ算法进行最终路径的求解。但是,NSGA-Ⅱ归根究底是遗传算法,它不可能完全避免遗传算法早熟收敛以及对初始群体依懒性强的缺点,所以本文利用经典的路径优化求解方法Or-opt与NSGA-Ⅱ的算法结合,对多目标车辆的路径优化求解方法提出改进。在模型求解的过程中搜集了针对企业配送的相关可靠的配送依据,包括客户的地理坐标、需求量、送货的时间窗、装卸货需要的单位费用以及装卸货时间、早到以及迟到后配送企业所要承担惩罚成本等信息。最后利用MATLAB仿真验证改进的NSGA-Ⅱ算法的可行性,并从收敛性着手分析改进的NSGA-Ⅱ与NSGA-Ⅱ相比得出收敛速率更快,所得收敛曲线更加稳定的特点。最后结合企业配送实例,最终得到合理的Pareto最优解,满足车辆路径优化的要求。