随着电子商务、跨区域经济的蓬勃发展，小商品和大宗货物物流在经济发展的比重占有量逐年增加，该领域的物流理论和实践研究领域的热度逐年上升,协同物流已成为一大趋势。车辆路径问题是运输领域研究的一个分支，在实际的运行管理中，配送中心成本和收益的策略需要以协同配送车辆路径问题的研究为基础。基于此，协同配送已成为成为了一个研究的热点。本文通过对课题当前研究的现状进行分析，将基于任务选择的协同配送车辆路径问题作为研究对象，构造了多配送中心的协同配送车辆路径问题的优化模型，并用基于自适应遗传算法求解该问题，实现了基于自适应的遗传算法在该问题中的应用。　　本研究主要内容包括：⑴通过对研究现状进行分析得出：目前相关的研究可分为基本车辆路径问题(Vehicle Routing Problem，VRP)的研究和协同配送车辆路径问题(Collaborative Vehicle Routing Problem，CVRP)的研究。目前对基本VRP的理论分析已较为充分，但是对CVRP问题的研究较少，但是在实际的运作中，实现协同配送，不仅对相关理论的研究起着推动作用，而且对实际的运作起着重要的指导作用。⑵以协同配送的产生环境、原则以及优势作为引入，从基本车辆路径问题和协同配送车辆路径问题两个层次展开对协同配送车辆路径的分析，在此基础上，分析了解决车辆路径问题所用的算法，通过对比分析，选择使用改进的遗传算法对本文的问题求解。⑶通过图论法对本文研究的问题进行定义和分析，将多配送中心的最短路径和服务站最优作为优化目标，在此基础上建立了一个多目标协同的数学优化模型。本文所研究的基于任务选择的CVRP问题不仅是简单的多中心配送问题，同时也是将最短路径和最优服务质量为多目标的多目标协同配送问题。⑷通过对遗传算法求解过程特性进行分析，基本的遗传算法在求解该问题时在搜索速度和收敛性上有些不足，本文对其进行了改进，设计新的遗传算法，采取了自适应变异和交叉的策略，使得交叉率和变异率不是固定值，而是可以根据具体情况做出适当的变化。最后通过算例计算，验证本文理论的正确性。