随着社会经济的不断发展，人民生活水平的不断提高，产业化、信息化的不断加速，产品生产成本的降低空间已越来越小，而物流作为一个新兴产业，其发展空间十分可观。美国、日本等发达国家的物流集成化已发展到一定水平，而我国的物流仅处于初级发展阶段，为了更好的适应我国经济发展的需要，就必须尽快提高我国物流集成化水平。 物流中心的选址作为物流运作中的基础要素，其优化和求解意义重大，对此问题的研究即为定位配给问题(Location Association Problem，LAP)；而物流配送作为物流系统的重要组成部分，对物流系统成本也有较大影响，综合考虑这两个方面并对其进行优化求解设计就可以大大降低物流系统总成本；随着物流集成化水平的不断提高，人们对物流服务的要求也越来越高，因此就要考虑物流服务中的时间约束问题，即时间窗约束，综合考虑以上三个方面的因素，即为本文所要研究的带时间窗的定位路线问题(LocationRouting Problems With Time－Windows，LRPTW)。 在结合定位配给问题和车辆路线问题数学模型的基础上，本文建立了带时间窗的定位一路线问题的数学模型，并用Lingo10.0软件对其进行检验，证明了本文建立的数学模型的正确性。因其NP-hard属性，当节点数较多时精确解不宜得到，本文设计了启发式算法进行求解，先用空间填充曲线(Space Filling Curves，SFC)求解定位配给问题，再用遗传算法求解带时间窗的车辆路线问题。遗传算法采用自然数编码的方法使得交叉和变异操作更加简便，利用随机构造初始解的方法产生初始种群，可以使解更具有遍历性，避免了“早熟”现象的发生。用本文设计的遗传算法对小规模数据进行测算，其结果与Lingo10.0所得优化解十分接近，说明本文设计的遗传启发式算法的有效性；对于一定规模的LRPTW模型，通过实例仿真测算并与有关文献进行对比显示：本文所采用的遗传算法在求解一定规模的LRPTW模型时其求解速度较快，解的精度较高，说明本文设计的算法求解该问题具有一定的有效性，这对实际环境下的物流系统集成理论应用研究和发展具有重要意义。