配送路径优化问题是当今制造业和物流行业非常关注的一个课题，物流成本的缩减对于制造企业的发展至关重要。在解决配送优化问题时，首要任务就是确定解决策略和方法。近年来企业和学者对配送路径优化问题进行了大量探索，遗传算法在解决路径优化有很好的柔性和鲁棒性，其理论和实际应用也取得很大成功。针对配送需求量小，客户需求点多而散的配送问题，以路径最优和配送车辆费用最低为目标，通过对车辆路径优化问题和旅行商问题结合分析，对多个客户需求点进行配送的问题研究，提出配送路径优化的组合策略。（1）选定解决路径优化问题的策略。组合策略在解决配送路径的问题时，降低了搜索的复杂度，确定最低需求车辆数和配送顺序，并且从复杂得到路径中规划好行车路径。说明了组合策略在解决路径配送问题上的可行性。（2）选定遗传算法作为解决问题方法。研究了遗传算法中保持种群多样性问题和遗传算法过程中出现非法解的处理问题。在解决路径优化问题时遗传算法有很好的适应性，并且遗传算子有很强的可塑性。可以针对具体问题通过设计改进遗传算子使得遗传算法很好地适应各类路径搜索问题。（3）针对杭州某制造企业配送中心配送过程中的路径优化问题，建立配送的数学模型，运用改进的遗传算法解决配送路径优化的问题。通过MATLAB进行模拟仿真，验证遗传算法中种群预处理算子和变异算子的可靠性。以制造业为应用对象，根据构建配送路径优化数学模型并且根据路径搜索的问题构造了种群预处理算子和变异算子。数学模型对制造行业的配送问题有一定的适应性和通用性，通过构造的模型对企业的需求和约束条件给了问题一个清晰的表达。通过构造的预处理算子，将非法解改进为有效解，提高了搜索的成功率，使得路径更加合理。