随着社会主义市场经济的发展,作为“第三利润源泉”的物流对经济活动的影响日益明显,物流配送业得到了迅速发展。物流车辆路径优化调度,是物流配送中的关键环节,对企业提高服务质量、降低物流成本、增加经济效益的影响也较大。在现实生产和生活中,邮政投递问题、公共汽车调度问题、电力调度问题、管道铺设问题、机器人路径规划、计算机网络拓扑设计问题等都可以抽象为物流配送车辆调度问题。物流配送车辆路径调度问题作为一个NP难题,可选的配送路径方案计算量将随着客户数量的增加以指数速度急剧增长。进化算法是基于生物进化机制的搜索算法,适合于求解复杂系统优化问题,特别是组合优化问题有明显的优势。因此,用进化算法求解该问题就成为人们研究的一个重要方向。本文在对国内外物流配送车辆调度现状及其实现技术对比的基础上,结合VRP(Vehicle Routing Problem)问题模型,研究了混合进化算法解决车辆路径问题的方法,并开发了基于混合进化算法的智能物流配送系统。首先,将免疫算法产生的免疫细胞和记忆功能作为算子加入遗传算法中解决了寻找多峰值难点,种群初始化时结合Pareto最优准则使种群分布均匀,局部搜索时用模拟退火算法解决了早熟问题,并融合蚁群算法较强的路径寻优能力和正反馈性缩短搜索时间,形成了混合进化算法。其次,分别对小规模客户群和中等规模客户群进行了固定区域的测试,并建立了模拟电子地图环境,根据具体的任务要求,寻求一条连接起始点到终点且能避开环境中障碍物的运动轨迹,在障碍物密度和分布复杂程度不同的环境中,搜索近似最优的可行路径。最后,结合面向对象的系统分析和设计方法,设计并开发了基于混合进化算法的智能物流配送系统,应用于吉林省延吉市区。新的混合进化算法将遗传算法、免疫算法、蚁群算法及Pareto最优准则的优点结合在一起,减少了不完全收敛现象,并避免算法陷入早熟,解决了传统进化算法公认的两大缺点,具有高效通用性。实验结果证明,混合进化算法对物流车辆路径优化问题在全局收敛效率和收敛速度上都具有一定的优势,基于混合进化算法的智能物流配送系统能及时有效地完成物流配送中心的智能配送工作,能满足物流配送中心的需求,具有一定的实用价值。