近年来,伴随着人们日益增长的对高品质生活的追求及生活节奏的加快,选择网购生鲜农产品的人越来越多。日益增长的需求,对生鲜电商来讲既是机遇也是挑战。特别是,2020年初新冠疫情爆发之后,传统的商业渠道无法完成市场供应工作,电商成为了辅助居民居家隔离期间食品供应的重要手段。得益于近年来生鲜电商冷链物流的高速发展,疫情期间保证了居民对生鲜农产品的需求。应该看到,在生鲜电商高速发展的过程中,也伴随着很多问题。主要表现为以下几个方面:货物运输成本高、不能按时送达、对货物实时监管困难、信息失真等。同时,受到冷链物流基础设备缺乏、资金投入大、技术难度高等条件的限制,对客户的满意度会产生直接影响,继而会对企业的经济效益产生影响。因此,对于生鲜农产品的配送来讲,考虑时间窗因素,规划好配送路线,不仅可以保证农产品的品质,还可以有效降低配送成本,进而提高客户满意度。同时能够提高车辆利用率,实现资源的合理配置,为企业带来更多的经济效益。在以往对于冷链配送问题的研究中,考虑时间窗的研究不多,对模糊时间窗的研究更少,主要是针对硬时间窗和软时间窗两种情况,大都没有将客户对于服务时间的整体满意度水平刻画出来。而考虑现实情况,模糊时间窗对时间的要求没有明确上下限,是最为合理的。因此本文在考虑模糊时间窗的基础上,对生鲜农产品的冷链物流配送路径进行优化,构建了物流配送成本最小和客户满意程度最大的双目标模型。对于模糊时间窗的处理,首先采用模糊隶属度函数对客户所期待的时间窗和最大容忍度时间窗进行模糊化处理,再将处理完成后的模糊时间窗转化成客户对于服务时间的整体满意度水平。客户对于服务时间的整体满意度水平是由客户所购买货物量占整体配送计划的比重对单个客户的满意度水平进行加权平均得出来的。对于多目标函数的处理,先通过对不同满意度下的模型进行求解,对比选出最优满意度,再将其设置成一个固定值作为成本最小化函数的约束条件,由此通过两阶段的求解思路,将多目标函数求解转换为单目标函数求解。然后针对模型特点,设计两阶段算法,先将客户点利用k-means算法进行聚类,再对遗传算法进行适当改进,选用Solomon数据集,通过matlab软件对算法进行编程求解目标函数。再与利用传统遗传算法求解目标函数进行对比,得出优化算法的处理结果更为有效,最后通过案例验证该优化模型和算法设计的可行性和合理性。