物流技术的发展有助于企业降低物流成本、提高客户满意度、提高运作效率，车辆路径问题的研究是提高物流技术的有效途径。近年来，人们开始逐渐把注意力转移到由实际生产生活衍生出的众多车辆路径问题上，并取得了大量优异的成绩，随之带来了巨大的经济效益。本文主要研究了带有软时间窗的车辆路径问题，在对相关模型深入研究的基础之上建立了带有软时间窗的车辆路径问题模型，并对求解带软时间窗车辆路径问题的常用启发式算法进行了介绍。同时，本文在对遗传算法和模拟退火算法研究的基础上提出了一种改进遗传算法。该算法结合了遗传算法的全局搜索功能和模拟退火算法的局部搜索功能，试验结果显示改进遗传算法在功能上有显著的提高。在研究Solomon和Gehring标准算例的基础上设计出一个具有一般性的多车场算例，并求解出该算例。本文对算例的求解步骤是：(1)结合Sweep算法和Saving算法把多车场化为单车场，弥补了单纯用Sweep算法的不足。(2)利用LINGO软件分配可供车场使用的车辆，得到了满足运输要求下车辆使用费用最低的分配方案。(3)在求解具体车辆路径问题时，利用改进扫描法进行具体分派。该改进扫描法最大限度的使用计算机的运算能力，尽量使车场的信息不被破坏，这样得到最终的顾客点分配较使用传统扫描法优秀。(4)运用C++编程和改进遗传算法对分解后的系统进行求解，得到了每辆车的运行路线和费用值，显示了改进遗传算法的优越性。