本文将物流配送中的核心问题——配送车辆优化调度问题作为研究对象具有一定的实际意义和理论意义。 首先明确了物流及物流配送的概念，配送的特点、意义、作用、类型和服务方式。通过对一些大型流通企业的配送和物流企业的配送业务的研究，分析了美国、日本以及欧美等发达国家的配送模式，提出了这些配送模式的特点和可借鉴之处。针对中国的国情和物流配送的发展，讨论了中国运行的物流配送模式。并对物流配送合理化问题进行了讨论。 在对车辆优化调度问题进行分类的基础上，将配送车辆根据任务的性质分成满载和非满载两类问题，对非满载车辆调度问题进行分析并建立了数学模型。随后，对组合优化问题的求解方法进行讨论，并对算法的基本原理和对组合优化问题的求解性能进行分析和比较。 根据带时间窗车辆调度问题的特点，考虑特定的时间窗和车辆容量、行驶距离等约束条件，对现有的基本遗传算法进行改进，采用多次换位变异技术以及最佳个体保留和轮盘赌混合的选择策略，设计了可求解带有时间窗约束的非满载车辆调度问题的遗传算法。根据遗传算法的顺序编码要求，设计了可以随机产生独立初始种群的方法。设计了相应的遗传算法程序，并对具体实例进行了计算。通过实验计算研究了交叉概率、变异概率、最大进化世代数、种群规模等运行参数对该算法性能的影响。通过对计算结果的分析得出，简单的采用遗传算法对车辆调度问题进行求解，当问题规模增大时，遗传算法会出现不稳定和计算效率低的现象。因此，简单的遗传算法并不十分适合用于求解此类规模较大的问题。 通过对禁忌搜索算法和遗传算法的优缺点对比，设计并实现了带时间窗非满载车辆调度问题的禁忌搜索-遗传算法的混合遗传算法。通过对具体实例的计算，并将实验结果与简单遗传算法的实验结果对比分析了该算法的性能。禁忌搜索-遗传算法混合遗传算法克服了简单遗传算法和禁忌搜索算法的不足，通过遗传运算生成新的种群，将新种群中的个体作为禁忌搜索的初始解，通过禁忌搜索获得局部最优解。提高了算法的搜索能力。通过对具体实例的计算结果可以看出，禁忌搜索-遗传算法具有良好的搜索能力及计算效率，适合客户数较多，规模较大的优化问题，并且算法性能稳定、可靠。