在我国经济快速发展的形势下,人们的生活水平显著提高,对商品的要求也越来越趋于个性化、差异化,尤其是一些特殊机构的用户更为明显。这对我国商品生产企业来说既是机遇也是挑战。机遇在于随着电子商务的快速兴起,商品的购置不再受地域空间的影响,这给企业带来了更广阔的销售市场。同时,在国家的政策扶持下,与之匹配的物流体系也逐渐从低效率、高成本的传统物流业向实时、灵活、高效的现代物流业转型。但是伴随着发展的同时挑战也日益突出,如何提高物流的配送效率,增加客户的满意度并尽可能的减少成本是企业所关心的主要问题。2013年亚马逊公司提出将3D打印设备装入运输车辆并进行打印配送,打破了生产、仓储和运输的时间屏障,创造出不局限于在仓库或揽收地点生产商品的第三种配送方式,即在商品配送过程中生产加工来节约部分制造时间,达到配送服务总时间最小的目标。因此本文对这种模式下的商品配送路径策略进行研究,用来解决配送加工模式下的路径优化选择问题。本文通过查阅资料和分析国内外学者的研究成果,对多品种少批量商品、配送加工作业和遗传算法的基本理论进行了分析和阐述;然后在其理论的基础上分析了这类商品的配送特点,建立配送加工模式下的路径优化模型;最后针对遗传算法的缺点进行改进,提出将爬山算法和遗传算法相结合的混合遗传算法对模型进行求解,以增强其收敛速度。本文在建立模型时,在传统的路径优化基础上,不再将生产、存储、运输作为独立环节依次进行,而是在商品配送过程中加工作业来节约部分制造时间。在数值实验过程中,利用Python编程对计算机随机生成的大量模拟数据进行多次实验,并以北京市各点数据为例来探究客户规模、配送车辆数量、加工周期等因素对路径选择和配送效率的影响,为可配送加工的多品种少批量商品的配送路径选择提供相应的管理启示。