随着世界经济的快速发展和现代科学技术的进步,物流产业逐渐成为国民经济发展的动脉基础产业和现代企业的“第三方利润源”,而配送作为物流系统中的核心功能,其完成质量的好坏及其达到的服务水平会直接影响企业的成本和客户对整个物流服务的满意程度。现代物流领域的研究热点之一,车辆路径优化问题(Vehicle Routing Problem,VRP),意在在满足客户要求的前提下以最优成本将货物送达目的地,但是传统的VRP问题仅考虑到成本问题,并未对客户需求进行具体分析。本文基于传统的以运输成本为目标函数的带时间窗的车辆路径模型,将客户需求货物类别的因素纳入考虑范围,构建了以车辆启用成本、运输成本和时间惩罚成本之和为目标函数的多车型车辆路径问题模型。不同类别的货物对时间的敏感度和属性不一样,因此对配送时间和运输车辆的要求也不一样。该模型根据客户需求货物的类别来选择为其服务的车辆型号,以及确定其违背时间窗的惩罚系数。这更加符合实际情况,有助于在降低成本的同时提高客户服务质量。针对本文构建模型设计了相应的遗传算法进行求解,该算法根据客户需求货物类别和车型相匹配的约束以及时间窗的约束来生成一个较好的染色体加入到初始染色体种群中,同时结合最优保存策略和比例选择法来进行选择操作以加快种群的收敛速度。本文最后采用Solomon标准数据集中的三个系列数据进行算例测试,试验结果证明了本文构建模型的准确性和遗传算法的有效性。