物流的目标在于以最少的费用满足消费者的需求，对于物流中心来说，物流配送车辆的线路优化，是物流系统优化中一个关键的环节。正确合理的安排车辆的配送线路，可以有效的减少车辆的空驶率，降低运输成本，提高经济效益。 物流配送车辆的线路优化问题(Vehicle Routing Problem，简称VRP)，是一个典型的有约束的组合优化问题，属于强NP难题。传统的求解VRP的方法有精确解法和启发式算法，其中节约启发式算法因其简单、容易于理解，成为许多其它算法的基础。遗传算法是一种自适应随机搜索方法，特别适合于组合优化问题，被认为是解决NP难题的途径。 本文研究的车辆线路优化问题，其所有节点的运输任务要求在一个时间段之内完成，称为宽时间窗VRP。论文在研究大量相关资料的基础上，修正节约启发式算法和标准遗传算法用于解决宽时间窗VRP。并在遗传算法中融入节约启发算法思想，成功构造新的算法一遗传节约混合算法。 本文构造的遗传节约混合算法是一个两层的伪并行搜索结构，充分利用了不同的领域搜索方法。对遗传节约算法比较分析表明：与相关算法相比较，它的优化能力、运行效率、可靠性均有一定提高。遗传节约混合算法对于遗传算法理论研究和实际应用具有一定价值。