随着我国农业结构调整和城乡居民消费水平的提高,消费者除了关注农产品的价格之外,对于农产品的生鲜度也愈发重视。然而当前农产品物流配送存在“配送时间长、农产品在运输途中的生鲜度损失率高达百分之二十、配送成本高”等问题。农产品的新鲜程度不仅影响农产品的定价还会影响消费者的购买欲。同时配送企业为了保证现有的竞争优势需提高其客户点满意度,客户点满意度在现有文献研究中主要是通过客户点的时间窗来衡量的。既要兼顾农产品的生鲜度损失和客户点时间窗,又要考虑客户满意度,这三个方面使得该车辆路径问题相较于普通的车辆路径问题变得复杂。现有的精确解法对于求解复杂的车辆路径问题将不再适用,可以通过设计混合算法来求解。从而求解出科学合理的配送线路优化方案来提高配送企业的经营效益。通过分析国内外权威的学术论文,对农产品配送问题模型、农产品配送路径优化技术和农产品配送相关文献进行总结归纳。因此本文在现有文献的基础上,研究了生鲜度损失与客户满意度对配送路线决策的影响,并提出了考虑生鲜度损失的农产品配送路径优化问题。L公司配送中心为是L公司旗下的全链条的农产品配送中心,主要承载潍坊及周边地区连锁门店的配送服务。本文以L公司配送中心配送过程中路径优化决策场景为研究对象,具体开展了以下3项工作:通过实地调研、访谈、历史数据整理获得L公司所研究问题的真实实例,发现其配送中心在配送过程中存在客户满意度低、忽略客户时间窗要求、生鲜度损失占比大等问题。针对L公司配送过程的现状及存在的问题,构建了以生鲜度损失成本、惩罚成本以及运输成本之和最小为目标,以客户满意度为约束农产品配送路径优化问题模型。该问题模型来源于经典带时间窗的车辆路径问题（vehicle routing problem with time windows,VRPTW）,与经典VRPTW存在以下3点显著不同之处:考虑了运输途中的生鲜度损失对农产品配送路径优选造成的影响,即随运输行程时间的变化;考虑了送达客户点后,由于装卸、搬运农产品而造成的生鲜度损失,即随厢门打开时长的变化;考虑了生鲜度损失与软时间窗限制对客户点满意度的叠加影响,以客户满意度为约束。围绕建立的问题模型设计了遗传-变邻域搜索算法（Genetic Variable Neighborhood Search Algorithm,GVNSA）。针对遗传算法在求解过程中易陷入局部最优的问题,变邻域搜索算法作为一种局部智能搜索算法弥补了遗传算法局部搜索能力的不足,在迭代搜索中可以达成集约化搜索和分散式搜索之间的平衡,从而更容易得到一个满意解。在具体的算法设计中采用了自然数编码随机生成初始种群、选用总成本的倒数作为适应度函数取值、轮盘赌选择、部分匹配交叉、变换变异来提高GA的全局寻优能力。在VNS局部搜索中设计了3种邻域结构:相邻路径间客户点进行重新定位、子路径中客户点互换、相邻路径间客户点互换。所设计的算法使用MATLAB软件进行求解。实验结果表明优化后的配送方案使得配送成本降低了27.7%,生鲜度损失成本降低了32.3%。并通过对GVNSA的所得解与GA所得解进行比较,发现GVNSA收敛速度较GA更快,求解时间较GA快40s,验证了GVNSA的有效性。从而解决了L公司生鲜度损失大、配送成本高的难题。因为受到新冠疫情的影响,为了保证L公司的经营效益,针对客户点最优服务时间和客户满意度下限进行了灵敏度分析。从而得出了客户点最优的服务时间为10分钟、以及当企业经营效益遇到风险时,客户点满意度下限为0.8时是配送总成本和客户满意度之间的均衡点。基于以上研究,对于L公司未来在农产品配送优化决策时运用指数型生鲜度损失函数来衡量农产品损失。在制定配送方案时可以优先选用本文所提出的GVNSA优化技术来求解,为L公司提供了一种新的方法选择。为了提高L公司的经营效益,保证客户点的最优服务时间,论文分别从引入专业化物流人才、加强对职工配送服务的培训等方面提出了建议;还阐述了在遭受重大危机时为了企业的正常运行需要保证配送总成本和客户满意度之间的平衡状态。本文旨在为L公司配送中心的建设和运营管理工作提供了一定的理论依据和决策依据,并为其它公司在解决类似问题上的指导意见。