物流自产生以来,就显示了强大的功能。物流作为社会经济活动的基础,被称为企业的“第三利润源泉”,它能够更好地满足现代商业发展的要求,推动社会经济的进步。因此,物流的发展与进步具有重要的意义,也受到了越来越多的重视。在物流的各项成本中,运输成本占了相当高的比重。配送是物流系统中由运输派生出来的功能,是物流系统中一个很重要的环节。配送方案的合理与否对物流的服务水平、成本和效益有着重要的影响。车辆路径问题(Vehicle Routing Problem,VRP)是物流配送中的核心问题,在现代物流中居于中心地位,也是研究的焦点之一。合理安排车辆路径能简化配送程序、减少配送次数、降低配送车辆的空载率,有效提高运输效率,降低物流成本。因此,对物流配送车辆路径问题进行深入地研究有重要意义。本文首先介绍了车辆路径问题的国内外研究现状,给出了车辆路径问题的一般描述,分析了该问题的各种限制条件,然后根据附加条件和任务要求的不同进行了分类,并对常用求解车辆路径问题的算法进行了总结。其次,介绍了遗传算法的基本概念、基本原理、基本操作和遗传算法的优缺点以及应用基本遗传算法求解问题的步骤和流程,接着介绍了遗传算法的改进方法。在此基础上,对带容量约束的车辆路径问题(Capacitated Vehicle Routing Problem,CVRP)进行分析,并建立了数学模型,接着介绍了基本遗传算法求解该问题方法和步骤,然后指出基本遗传算法的不足,提出了基于双层染色体编码方案和自适应交叉概率的改进遗传算法,用2-opt邻域搜索算法作为遗传算法的变异算子,对每条子路径进行优化,使求的解得到较好的优化,提高算法的性能。最后运用C++编程对改进算法进行验证,证实了该算法可行性和有效性。