目前,农产品物流运输应用广泛,但理论界的相关研究,尤其是系统性研究还不多。大力发展农产品物流具有极强的现实意义,可以降低农产品流通成本、提高农产品价值。本文提出了一个物流约束的旅行商问题,关于农产品物流配送问题,一辆车从产品基地出发,通过所有零售点并卸下满足该零售点需求量的农产品,最后回到蔬菜基地。试寻找一条闭合路径,要求该车的载重与行驶距离的乘积最小。农产品物流配送问题可以看作旅行商问题(TSP)的一个变体。旅行商问题是一个经典的NP完全问题,应用领域比较广泛,具有实际的应用价值。求解经典的TSP问题的方法主要有:贪婪法、分支定界法、动态规划法、最近邻试探法、Hopfield神经网络优化算法、蚁群算法、模拟退火算法、遗传算法和混合优化策略等方法。本文根据物流配送问题与TSP问题的联系,将遗传算法进行改进,我们用TSP链式方法给出初始解,让它能够在已知最优解的基础上进行优化,这样能得到更好的解。我们在求最优解的同时考虑到需求量R对最优解的影响,尝试着给需求量R乘上一个系数,使其能在0-R递增,在递增的同时,我们用每一次求出来的最优解当作下一次计算的初始解,使算法能在上次最优解的基础上进行再度优化,直到找到最优解。通过实验分析,结果表明,算法是有效的,能得到较好的结果,同时也提高到了算法的效率。