VRP(Vehicle Routing Problem,车辆路径问题)已被证实为NP-Hard问题,由于其应用广泛,并且相当难解,国内外学者对求解方法的探索和试验一直是一个研究热点。NSGAⅡ(Nondominated Sorting in Genetic AlgorithmⅡ,带精英策略的快速非支配排序遗传算法)作为近几年才产生和发展起来的新兴算法,因其高效率而引起。重点关注和初步应用,尤其是在求解多目标优化问题上,但是将NSGAⅡ算法应用于解决物流配送中VRP问题,目前还未见文献述及。本文就是在借鉴国内外研究现状的基础上,选用NSGAⅡ作为求解VRP的算法基础,实现了NSGAⅡ在VRP中的应用和软件仿真,并针对仿真结果提出改进方案。通过改进前后的对比,验证了改进方案的可行性。文本主要完成了以下几个方面的工作：(1)实现了NSGAⅡ算法在物流配送中VRP问题多目标优化的应用。分析概括出VRP的三个主要目标函数：总的运输路径最短、到达时间最准时、使用车辆最少；三个约束条件：每一辆车均不能超出满载量、任意一条路径上的客户目均不超过所有客户总数、每个需求点仅由一辆车配送。在此基础上为VRP建立数学模型。然后根据NSGAⅡ算法的特点,为求解程序设计每一个环节：编码生成(采用自然数编码方式)、初始群体的确定(判断是否超载)、适应度评估(考虑目标函数)、选择(锦标赛法则)、交叉(随机产生交叉基因)、变异(随机产生交叉点)。(2)实现了软件仿真。选择MATLAB作为软件工具进行代码编写,选取Benchmark Problems中的C101里的数据作为实验数据。分析实验数据,得出客户需求量和客户需求时间的分布特点。对仿真结果,从收敛代数和目标函数(运输总路程、到达准时性、使用车辆数目)收敛情况两个方面,评价算法的运算效率和求解能力,得出NSGAⅡ算法求解能力强、收敛情况较好、收敛速度较快等特点。(3)提出了对NSGAⅡ算法的改进。通过对仿真结果和NSGAⅡ算法的特点研究,指出了NSGAⅡ在设计方面的不足之处,并且对NSGAⅡ算法设计的两个环节提出了改进方案：对初始群体确定的改进,主要是引进贪心算法的策略；对交叉算子的改进,主要是借鉴Or-opt算法的思想,改变其随机产生交叉基因的做法。通过对两种算法仿真结果的比较分析,证实了改进算法在克服早熟现象、提高算法效率以及算法稳定性方面的有效性。