随着市场经济的不断发展,企业信息化显的越来越重要。物流被称作“第三方利润源”也受到了各行各业的重视并得到了较快的发展。将计算机网络,电子商务等技术与物流相关技术结合起来,实现物流信息的共享性与网络化是现代物流的基本特点。越来越多的大规模生产企业,纷纷建立起来了物流配送中心,将物流配送作为本企业的核心业务,更加重视商品的流通效率和对市场的响应速度。本文主要对物流配送业务以及物流管理作了详细介绍,结合福建中烟工业公司物流配送业务基本流程,研究物流各个环节相关技术,提供更为有效的解决方案。重点对物流配送过程中的车辆调度问题进行了深入的研究,建立车辆调度基本模型,通过遗传算法和最短路径算法对模型进行求解,形成有效的配车方案和行车路线。主要包括以下几个方面:(1)在物流配送车辆调度过程中,分析了车辆调度的基本问题。并且根据车辆行驶的约束条件和优化目标,建立了车辆调度的数学模型。针对车辆送货装载量的不同,将该问题分为车辆满载调度和车辆非满载调度模型。本文通过两种不同的算法分别求解了两种不同车辆调度模型,并且将该模型应用于物流配送系统中。(2)在求解车辆非满调度模型中,针对烟草工业企业集团,使用改进的遗传算法,研究了遗传算法中选择、交叉和变异三种遗传算子基本原理,并且针对传统遗传算法染色体编码方案的不足之处,提出了一种改进的染色体编码方案。这种编码方案有效的提高了遗传算法的执行效率,简化了遗传算子的操作。在处理带时间窗约束的车辆调度问题时,并没有使用特殊的遗传算子去求解,而是在目标函数中引入惩罚函数来加以限制。惩罚函数同时兼顾到车辆早到客户点的等待成本以及车辆晚到客户点的惩罚成本,并且通过相关的数学函数将之量化。(3)对于车辆满载的调度模型,车辆的行车路线是一种单点送货路线,是典型的最短路径问题,本文主要通过Dijkstra算法来求解。在针对传统Dijkstra算法出现的瓶颈问题,本文也提出针对此算法的改进方式和优化策略。(4)本文在处理多个源点车辆调度问题时,将客户点分解成多个配送区域,每个区域对应一个配送点,将该问题转化为单源点车辆调度问题来求解。最后结合具体的实际情况,将本文的车辆调度的模型应用于物流配送系统中,通过实例证明了该模型的有效性和可行性。从而有效的实现了车辆调度的智能化,节约了物流成本,降低了车辆消耗,提高了物流配送的效率,给企业带来了经济效益和管理效益。