面对日益增长的物流需求,时效、服务、质量等成了人们评价物流水平的标准,而这些都离不开物流团队高效的提货配送流程。车辆路径分配问题就是其中的一个研究热点,即为满足客户的提货或配送需求,以最优的成本将货物送到目的地。通过实际到A公司运营中心调研发现其现有路径安排在资源整合和利用率上有所缺陷。为解决其实际的车辆调度问题,本文基于现有的VRP基本模型,通过阅读大量的文献了解了车辆路径优化的历史和趋势,并发现现阶段大量学者倾向于算法组合式的优化方法,故通过实际情况建立并考量车辆类型、货物种类、送达时效的车辆路径优化模型,通过设计K-Means++和遗传算法的组合进行优化,即先将问题转换为两段式的方式进行求解,利用K-Means++进行供应商聚类,再在每个簇中用遗传算法进行车辆路径的安排。最终将优化结果与现有的实际提货数据进行实证对比和分析,结果发现优化结果在车辆利用率和成本上均优于现有实际车辆安排。且通过和一线员工的沟通,分别从投诉数量、车辆的固定成本和工作工时三个角度得出优化结果对车辆路径优化的潜在影响。故本文是将理论与实际相结合,并通过文献梳理、建模、算法优化等方法完成并验证假设。不仅有一定的理论价值,更对实际生产有一定的参考。