物流行业在市场经济中的比重越来越大,要长期稳定地发展现代物流行业,必须有效解决运输成本问题优化物流系统。车辆调度问题是优化物流系统的关键环节,动态车辆调度问题涉及很多不确定因素,求解更为复杂,近年来已逐渐成为研究的热点。应用目前热度高的云计算、物联网技术构建云物流信息平台,可节约大量物流资源,对物流发展具有重要意义。本文针对物流系统中的车辆调度问题,在物流云平台基础上设计车辆调度系统,云平台采集并存储物流数据,车辆调度系统通过交互界面实现车辆信息、货物信息、客户信息的展示以及车辆调度功能。车辆调度功能根据采集的物流信息,对构建的调度模型进行求解,得到车辆的最优行车路径。实现过程为:针对物流配送车辆调度问题中的物流信息不确定性,以运输成本最小为优化目标,建立了带有配送时间约束和车辆载重约束的动态车辆调度数学模型;为了求解物流配送车辆的最优行车路径,以遗传算法为基础求解调度模型,设计量子遗传算法提高算法效率,对量子旋转角的大小采取了一种动态选取策略,加速了算法的收敛。仿真实验对比结果表明,量子遗传算法求得比遗传算法运输成本低的行车路径,在算法效率方面,平均迭代次数减小,收敛速度提高。量子编码增加了种群的多样性提高全局收敛性,量子旋转加速了算法收敛,结果证明算法适用于动态车辆调度问题的求解。设计物流配送车辆调度系统实现物流车辆的调度功能,为实际物流系统提供了方案参考。