为实现准时制生产,制造企业的零部件入厂物流已广泛应用循环取货模式。在循环取货系统中,企业通过在供应商处多频次小批量的取货满足生产线的物料需求。由于卸货口数量有限,车辆多频次的在仓库装卸货时可能出现排队现象。针对此现象,本文考虑车辆容积、装卸码头可用时间等约束,整合运输车辆选择、车辆路径选择、取货间隔等决策,以车辆数最小为目标,建立车辆循环取货路径规划模型,优化制造商循环取货调度方案;基于此,提出了一种整合路径检验模块和卸货口排程模块的混合遗传算法,生成相应的车辆调度计划。该方法随机从5个交叉算子和3个变异算子中选择交叉和遗传算子来产生后代,并采用局部教育的方法来提高后代的适应度。此外,利用路径检验模块验证方案的初始可行性,以提高算法的效率;卸货口排程模块嵌入Flexsim仿真模型来模拟仓库处的装卸货排程和车辆排队情况。本文将提出的方法应用于某合资汽车企业的真实算例中,验证算法的有效性。实验结果表明使用本文所提出的方法优化循环取货系统,能够减少所需车辆数,将原始方案中的21辆车降至15辆车,成本下降了28.57%。此外,研究显示,在卸货口数量有限的情况下,循环取货系统中卸货口处排队等待的时间是不可忽略的。此外,在选择供应商时,制造企业应更倾向于选择靠近仓库的供应商;而面对相同车辆数的不同取货方案,决策者应更倾向于选择路径数较少的方案。本研究提出的混合遗传算法及一系列管理决策建议,能够帮助制造企业的物流部门优化其零部件入厂物流,减少他们从第三方物流供应商处租赁的卡车数量,对于降低制造企业物流成本、提高其市场竞争力具有重要的意义。