车辆路径问题(Vehicle Routing Problem，VRP)是对一系列给定的顾客，确定适当的配送车辆行驶路线，使其从车场中心出发，按一定顺序通过它们，最后返回车场，并在满足一定的约束条件下(如车辆载重量、顾客需求量、时间窗限制等)，使总运输成本最小。车辆路径问题是物流系统实物运输调度中的关键环节。合理安排车辆，对车辆路径进行优化，不但可以降低物流成本，还可以提高顾客满意度，这对于整个物流系统具有重要的理论和现实意义。 VRP是带约束条件的组合优化问题，属于NP完全问题，采用传统精确优化方法难以得到令人满意的结果。智能优化算法能在多项式时间内获得该问题的近似解，因此成为该问题的研究热点。遗传算法(Genetic Algorithm，GA)、模拟退火算法(Simulated Annealing，SA)和禁忌算法(Tabu Search，TS)是智能优化算法中的典型启发式算法。基于这三种算法，本文对带软时间窗车辆路径问题(Vehicle Routing Problem with Soft Time Window，VRPSTM)进行分析，建立相应的数学模型，提出一种混合遗传算法求解VRPSTW。为了提高初始种群的质量，算法提出改进的Sweep算法启发式地构造初始种群；设计了一种启发式最大插入交叉算子，以提高算法的收敛速度和防止遗传操作产生不可行染色体；采用SA及TS作为优化算子，以增强遗传算法的局部搜索能力。最后用Solomons instances集合中的实例对该算法进行实验。与其他算法相比较，该算法能在合理的时间求得问题较优的近似解，表现出更好的优化能力，因此该算法是求解VRPSTW问题的一个行之有效的算法。