汽车工业已经成为我国工业第五大支柱产业,其产业链长、关联度高、消费拉动大,被业内人士公认为涉及面最广、技术复杂程度最高的领域之一,在国民经济和社会发展中发挥着重要作用。而推动汽车行业发展的重点在于汽车物流的发展。在由供应物流、生产物流和销售物流组成的汽车供应链体系中,汽车供应物流是整个汽车供应链的源头、是最复杂的环节,涉及数百家零部件供应商和上万个零部件种类。而提高供应物流运作效率的关键在于选择何种物流运作模式进行运输调度。汽车供应物流采用循环取货模式设计的车辆路径进行零部件配送,可以有效地降低运输费用和包装费用,从而降低整个供应链的成本。循环取货车辆路径问题特点是取货车辆按照设计好的路径在规定的时间窗口内从供应商处将货物运送至汽车厂,同时将从汽车厂返回的空箱送回供应商处。循环取货是小批量、多频次、及时的、闭环拉动式的取货模式,具有节省库存,提高送货质量和物流运作效率的优点,对降低整个汽车供应链的成本具有重要的作用。基于以上分析,本文运用物流工程学、运筹学、计算机科学等方法,对汽车供应物流循环取货的关键问题——车辆路径问题进行研究。首先结合所研究问题的背景和意义及国内外研究现状,提出了本文的研究重点及思路,并系统地阐述了汽车供应物流、循环取货、车辆路径问题及遗传算法的相关理论,总结了遗传算法的改进策略。其次,建立了循环取货车辆路径问题的数学模型,阐述了C-W节约启发式算法,以作为本文所设计算法的对比分析方法。并针对标准遗传算法的不足进行改进,设计了基于3-交换方法的爬山算法与遗传算法结合的自适应混合遗传算法,以克服标准遗传算法解决实际问题时所出现的“早熟”现象及局部搜索能力不足的缺点。同时,本文设计了Matlab编程实现算法的流程。最后,结合A公司的循环取货实际情况,验证了本文所设计算法的有效性。本文所得的优化结果可以提高A公司物流服务水平,降低物流成本,增强企业的核心竞争能力,对A公司的实际运作具有重要的指导意义。