物流产业作为现代国家经济发展的“加速器”和企业收入的“第三利润源泉”在改善发展中国家的国民经济、促进产业结构改革、提高世界国际竞争力等方面扮演着举足轻重的角色。在我国,降低1%的物流运输成本,相应地会增加4000多亿元的直接经济效益,因此提高物流管理水平,降低物流成本是目前物流工作的重中之重。而降低物流成本的关键在于缩短运输路程,所以利用有限的资源构建有效配送模型,找到配送路程最短的最佳车辆配送方案具有十分重要的现实意义。演化算法在车辆路径的优化方法中扮演着重要角色,相比传统求解方法具有求解规模大、时间短、效果好等优点。本文首先对车辆路径问题的国内外文献进行相关研究,分析VRP问题所面临的研究瓶颈;其次在VRP标准模型的基础上加入相应约束,构建CVRP和多物流公司协同配送模型,使其更加符合实际配送问题;再其次提出了基于黄金正弦的模拟退火算法,以CVRP模型验证了改进SA算法的搜索竞争优势,但同时存在一定的自身搜索缺陷,无法达到CVRP最优的搜索精度;然后提出了融合莱维飞行与黄金正弦的蚁狮优化算法,以12个标准函数验证了改进蚁狮优化算法的搜索精度优势,为模拟退火算法的优化提供研究思路;最后把新型蚁狮优化算法和经典模拟退火算法设计成新型混合优化算法LGSALO-SA,以VRP标准算例进行精度预测分析,证明了混合算法的极强搜索竞争力,并将其应用到三个物流企业协同配送的物流配送模型的实际案例中,验证了LGSALO-SA算法的可行性和优化能力。研究结果表明改进蚁狮优化算法和模拟退火的混合优化算法具有良好的搜索竞争力,也表明了物流车辆路径问题与演化算法结合求解,相比传统求解方式可以迅速规划出最佳配送路线,有效降低车辆配送里程和运输成本,对于城市物流车辆路径问题具有明显的求解优势,是降低配送成本的的有效手段。