随着电子商务、现代物流的不断发展,其中物流配送中车辆路径合理与否,对物流配送速度、成本,运力配备以及配送成本与效益的的影响是巨大的,使用的科学以及有效的方式来对车辆行驶的最佳路径进行确立已经作为现代化物流配送关键性的一个任务。蚁群算法,这一算法拥有下列优点：鲁棒性、并行性、以及容易实现和别的方式的有机结合。但容易出现停滞显现,产生局部最优解。遗传算法具备不受函数约束条件的限制,具有隐含并行搜索特性等优点。算法不针对解本身和单个个体,因此可大大避免陷入局部最优的可能。遗传算法的缺点是初始种群的选择常常直接影响解的质量和算法效率,对初始种群很敏感。针对结构较为繁杂的组合优化,探索的范围广,探索的时间长,一般会产生早熟收敛的状况。两算法有相同的可融合的优势和各自的特色,将他们融合可较好解决VRP问题。本文介绍了车辆路径问题VRP的模型和算法,以及在国内外的现状,列举了各种算法的基本原则。侧重于遗传算法,蚁群算法的基本原理,并讨论了遗传算法,蚁群算法构建VRP问题的混合算法,并用大量TSPLIB和VRPLIB做各算法仿真实验,得到本文中前期采用遗传算法后期采用蚁群算法的混合算法算可行并且较优。