随着电子商务的发展和信息网络时代的到来，物流的发展已经引起许多企业的高度重视。物流配送是物流中一个直接与消费者相连的环节，在物流系统中占有重要的地位。配送车辆优化调度是物流配送系统优化的核心内容，主要包括集货线路优化、货物配装及送货线路优化，以及集货、货物配装和送货一体化优化。对物流配送中的车辆进行优化调度，可以优化资源配置，提高物流经济效益，是物流系统集约化发展、构建综合物流系统的基础。 车辆调度问题最早是由Dantzig和Ramser于1959年提出的，属于组合优化问题，并已被证明是一个NP-难题。由于这一问题的理论涉及多个学科，很多实际问题的理论抽象都可归结为这一类问题，应用前景非常广阔，所以一经提出，很快便引起运筹学、应用数学、组合数学、图论与网络分析、物流科学、交通运输工程、管理科学与工程、计算机应用等学科的专家、工程技术人员、运输计划制定者和管理者的极大重视，成为运筹学与组合优化领域的研究热点问题。各学科专家对该问题进行了大量的理论研究及实验分析，取得了很大进展。 物流配送中的车辆调度问题(VehicleRoutingProblem，VRP)描述如下：给定一组相同载重容量的车辆、一个物流配送中心和一组顾客的需求，要求查找服务这些顾客需求的最小代价的一系列路径。带时间窗的车辆调度问题(VehicleRoutingProblemwithTimeWindows，VRPTW)是在VRP的基础上增加了时间窗的约束。一般情况下客户会提出一个任务最早可以开始的时间，记为ETi，并且提出一个任务最晚可以开始的时间，记为LTi，这样如果车辆到达时间早于ETi则车辆必须在i任务处等待；如果车辆到达时间晚于LTi则任务可能会延迟进行。 遗传算法作为一种基于生物遗传和进化机制的自适应概率优化技术，同传统的优化算法如单纯形法、梯度法、动态规划法、分枝定界法以及模拟退火算法相比，具有运算简单、搜索过程灵活、搜索效率高以及隐含并行性等特点，是一类可用于复杂系统优化计算的鲁棒搜索算法。近年来，遗传算法在组合优化问题中的应用日益受到重视，特别是在求解NP-难题中取得了良好的结果，显示了它的巨大潜力。 本论文把遗传算法应用于物流配送领域，研究车辆优化调度问题，具有重要的理论意义与应用价值。论文的主要工作与创新点包括以下几个方面： (1)建立了普通车辆调度问题和带时间窗的车辆调度问题的数学模型； (2)改进了反序-杂交算法； (3)用改进的反序-杂交算法求解VRP，并用几组测试用例对算法进行了测试； (4)用改进的反序-杂交算法求解VRPTW，并用benchmarks进行了测试，提出了进一步改进的混合遗传算法的设想； (5)国内关于车辆调度问题的中文文献的测试数据大多来自参考文献[8]，数据规模小于10，本文对于VRP和VRPTW的测试数据均来自国外的benchmarks，其中VRP的测试数据是Christofides和Eilon提出的，VRPTW的测试数据是Solomon提出的； (6)对今后的研究工作进行了展望。