随着科技的进步和现代化的发展,传统的通过降低能耗,提高生产率的方法创利的空间越来越小,现代物流是打破这一瓶颈的重要手段,合理的物流规划能够有效地降低成本,提高效益,物流合理化高效化越来越受到社会广泛的重视。据统计,2015年社会物流总费用占GDP比为17%,其中,运输费用占了整个物流费用的50%左右,运输配送费用的降低会给整个社会带来巨大的经济效益。对于运输而言,满足客户需求,合理调度车辆,组织行车路线是几项基本任务,那么如何在一定约束条件下协调完成好这几项任务,这就引出了车辆路径规划问题。车辆路径规划是现代运输的一个重要方面,也是国内外物流专家们的重点研究领域。合理的车辆路径规划能够提高运输效率,降低物流成本,车辆路径问题的研究具有重要的理论和现实意义。传统的车辆路径问题(Vehicle Routing Problem,VRP)只考虑了单纯的取货或者送货过程,没有将取货和送货作为一个整体来看待,而本文研究的同时完成取货和送货需求的车辆路径问题(Vehicle Routing Problem With Simultaneous Delivery and Pickup,VRPSDP)没有取送货的先后顺序要求。同时完成取送货任务,避免了迂回运输和重复运输,能够有效地降低成本,提升运输效率,也是逆向物流和绿色物流的发展要求。通常研究VRPSDP都以路径最短为优化目标建立模型,比较片面地追求里程最小化,或者只考虑运输成本当中的某项成本建立成本最低的车辆路径模型,这些路径选择方法忽略了配送过程中其他因素的影响,比较理想化。然而在实际运营中,运输费用包括车辆费用和间接费用。车辆费用由人工费用、燃料消耗、轮胎损耗、保修费用、车船使用税、行车事故损失、折旧等构成。间接费用指运输过程中为管理和组织运输配送所发生的各项管理费用和业务费用。基于这种思想,行驶里程最短的方案不一定是成本最低的方案。因此有必要建立一个综合考虑到运输成本各个方面的车辆路径优化模型,使配送方案更加合理化。通过对运输成本的分析,找出其中影响车辆路径选择的因素,把人工费用、燃料消耗、轮胎损耗、保修费用和折旧这五项成本当作影响因素,构建了一个基于成本最低的同时取送货的车辆路径优化模型,同时针对VRPSDP中客户点取送货需求容量限制和被服务次数限制这两个约束提出了改进想法,VRPSDP是公认的NP难问题,本文采用遗传算法对车辆路径模型进行优化求解,用MATLAB遗传算法工具包进行程序编写,最后用两个算例来验证本文提出的VRPSDP模型的有效性及合理性。