随着新时代电子商务的迅猛发展,物流配送的地位也随之越来越高,成为了电子商务向前发展的重要基石,同时其与电子商务发展的不对称性也将对电子商务产生反向制约。现代物流的核心问题是优化资产配置的同时提高服务感知度,可以以最小的成本提供最好的服务。所以对于配送过程中的车辆路线进行规划,制定合理方案是车辆路径研究问题的重点,尤其是对带时间窗的车辆路径问题(Vehicle Routing Problem With Time Windows,VRPTW)的研究。VRPTW既能提高单位资产产出值,也能从时间维度优化客户的服务体验。从物流公司角度而言,资产效率的提高可以减少硬件投入,公司资金流转压力会大幅减少,从而提高在整个行业的竞争力和员工待遇,产生良性循环。因此对VRPTW的研究具有重要意义。本文基于VRPTW的以上研究意义,以VRPTW相关理论和相关算法理论为基础,对其进行概念界定以及因素描述,对比了各种可以求解路径优化问题的算法,同时列举具体数据测试了启发式算法进行对比,从而选定了遗传算法作为本文应用的算法之一。根据车辆在中约束、顾客要求的时间上的约束以及各种有关因素范围的约束建立了以求解运输目成本最小为目标的数学模型,再结合实际生活中配送起始阶段可能会出现纷乱无章的情况,选取了K-means++算法作为第一阶段的算法,将基本遗传算法改进作为第二阶段算法。最后,选取Solomon数据集中的六种数据进行测试,并与当前公布的最优结果进行对比分析,验证了本文建立的模型和算法对于解决配送过程的实际问题具有一定的借鉴作用。