配送是物流系统中一个直接与消费者相连的重要环节,是货物从物流节点送达收货人的过程,物流运输车辆路径是否合理直接影响到配送速度、成本和效益。为了解决物流配送中的运输车辆路径安排这一类问题(VRP),人们提出了各种智能算法,其中的遗传算法是解决VRP问题的有效算法。针对常规的遗传算法求解VRP问题时,二进制编码串过长、计算机的运算过程复杂、精度难以提高、算法过早收敛等问题,本研究对遗传算法进行了一系列改进,并应用到求解VRP中,获得了良好的仿真结果。主要研究工作如下:首先对遗传算法做了详细研究,在对传统遗传算法的实现方式做了一系列分析的基础上提出了一系列的改进措施。采用自然数编码和自适应交叉变异算子组合提高了解空间探索的能力;引入罚函数对约束进行处理,并对进化过程产生的不合法个体进行相关操作,直到得到合法的子代个体才能进行下一次迭代降低了早熟收敛现象出现的可能性。其次,对VRP问题常用的物流模型进行了详细的研究,给出常用VRP的计算方法和两种常用的数学模型,在此基础上建立的数学模型,更接近实际的物流路径。最后,采用改进的遗传算法对有无窗车辆优化调度问题以及时间窗车辆优化调度问题进行了应用研究。理论分析和仿真结果验证了改进遗传算法解决配送路径优化问题的优越性。本研究结果对物流配送企业实现配送路径优化、降低成本和提高物流经营管理水平、更快的响应顾客,最终增加企业的竞争力具有一定的应用参考价值。