随着社会经济的发展,物流在经济活动中扮演了越来越重要的角色,逐渐受到人们的重视。在物流系统中,配送是直接面向消费者的,其服务质量好坏会直接影响消费者对物流服务的满意程度。车辆调度作为配送的重要组成部分,其涉及面广、影响因素多,是物流配送优化关键。合理优化车辆调度,对于整个物流系统的服务水平、效率及成本都有着非常重要的影响。DB公司是一家第三方物流企业,目前采用人工调度,由调度人员负责分配车辆调度任务的安排,司机负责行驶途中送货路线的规划。这种主要依靠人工的车辆调度方式导致了装载率低、配送超时等现象。基于以上背景,本文对DB公司的车辆调度进行了以下研究:（1）梳理车辆调度问题的分类及相关求解算法。首先介绍车辆调度问题的分类及求解算法,然后在对比各类求解该问题的算法后选择收敛速度快、求解质量高的遗传算法作为本文的求解算法。（2）DB公司车辆调度现状分析与建模。分析DB公司目前在车辆调度方面主要存在的问题,从影响车辆调度的因素入手,建立带时间窗的多车型多目标车辆调度模型。（3）设计模型的求解算法并进行结果分析。针对遗传算法局部搜索能力不强的特点,加入大规模邻域搜索算法的思想以增强遗传算法局部搜索能力,并通过MatlabR2020b实现算法功能。最后从配送成本、配送及时率、装载率、其他效果四个方面将优化方案与实际方案进行对比,证明本文所设计的算法在车辆调度优化方面的有效性。本文通过建立模型及设计算法解决DB公司的车辆调度问题,具有一定实际意义。结果显示,优化方案相较于原方案,行驶里程节约2030.48公里,配送成本下降7.34%,平均装载率提升1.33%,配送及时率提升12.30%,目标函数值下降10.90%。总之,优化后的方案在提升配送效率的同时降低了配送费用。