物流运输是国民经济重要产业，是国家发展水平的重要指标。而物流运输中的重要环节，就是车辆路径问题，其运营效率的好坏对物流成本至关重要，而费用是评价车辆路径问题的主要指标。因此，建立数学模型，并优化求解降低物流费用，是本文研究的重点。　　车辆路径问题极为复杂，涉及客户的货件需求量、各个节点的收发货时间、行驶车辆的载重能力、起终点间的时效限制等一系列约束条件。但它在实际生产中的应用前景使得近年来涌现出许多车辆路径问题的优化模型。　　本文提出了路由表和车流表两个重要决策变量构建目标函数，并用路由表表示行车路径，车流表表示车辆的发车时间安排，在满足车辆载重能力、起点终点间时效要求、货件需求量的约束下达到费用最小。　　其次，本文用遗传算法求解路由表，节点之间的线路代表个体，费用函数代表适应度函数，多点交叉和线路变异的方式产生新个体，每次迭代随机选择3个个体开始迭代，为了满足起点终点间的时效，对新个体的路径时间做检验判定，满足时效要求且质量好于原有个体时才进行取代，实验结果显示比生产费用有了明显降低。　　之后，本文在求解车流表的过程中，对直连线段设置优先级指标，优先优化距离头尾较近的线段，在线段内部，采用局部贪婪的策略，按顺序拼车或者是组合拼车，达到最大限度的车辆利用率，直到所有线段内的货件都被拼车完成，迭代结束。　　最后，本文对所做的研究进行了总结，也对以后的研究改进工作进行了展望。