随着蔬菜行业的发展,蔬菜种植面积的增加,蔬菜又具有易腐烂的特性以及保鲜时间短的特点,因此对蔬菜运输配送的时效性有了更高的要求,在日常生活中,人们对蔬菜的需求量越来越大,不同的商超有不同的蔬菜品种需求,不同品种蔬菜的不同需求量,如何保证蔬菜在保鲜时间内送达成为蔬菜运输配送的重点,蔬菜运输过程有以下特点:运输过程要求全程低温、运输成本因蔬菜特性过高、配送地点比较分散。设计一条科学的蔬菜配送路线需要考虑商超规定的时间窗的约束条件,在一定的约束条件下满足商超的需求,实现耗时最短、车辆最少、总成本最低的多目标。论文的主要研究内容如下:（1）针对利用遗传算法进行路径规划存在优化耗时长和难以找到最优路径规划的问题,进而利用模拟退火算法寻找优化路径,模拟退火算法通过内循环和外循环设置的温度以及自适应准则能够找到路径规划的高质量解。（2）针对上述算法存在过早收敛易陷入局部最优解、后期搜索效率低下的缺点和模拟退火存在收敛速度慢等问题,提出一种基于遗传算法引入模拟退火的自适应Metropolis准则,创建了一种GA-SA新模型算法,即在进行遗传算法交叉变异之后引入Metropolish准则,改进后的算法有利于优良个体的保留,提高了收敛速度,跳出遗传算法找到的局部最优解,从而找到全局最优解。实验结果证明,与传统的遗传算法、模拟退火算法相比,改进后的遗传算法能够有效增快路径优化的收敛速度。（3）本研究使用MATLAB软件进行编码仿真。对三种算法均进行了实验,验证改进算法的有效性,应用于蔬菜配送路径规划实验中,分别在收敛速度、总路程、总时间、使用车辆、总成本等比较下进行了分析,实验结果证明,跟传统的遗传算法、模拟退火算法相比,改进后的遗传算法能够有效增快其收敛速度,优化后的配送路线总成本分别降低了约23.7%、4%,总路程分别减少了 22.6%、3%,耗时分别减少了 22、6%、3%,有效降低了运输总成本、总路程、总时间以及减少了使用车辆。从而为其他路径规划研究提供了参考价值。