近年来,能源危机和环境问题引起了世界各国的广泛关注,能源供需的不稳定性因素增加,石油等化石燃料价格普遍上涨。在物流业,由于电子商务的快速发展,城市货物量增长迅速,物流运输中使用传统化石燃料汽车进行配送所带来的环境污染和运输成本上涨问题愈发突出。运输作为物流的关键环节,其是否低碳清洁对行业发展具有重要意义。新能源汽车相比传统燃油汽车具有绿色低碳、运输成本低等优势,因此在企业中得到不断推广应用。在此情况下,包括D公司在内的众多物流企业开始使用新能源物流车进行城市货物配送。当前,随着客户对物流配送服务时间和服务水平的要求越来越高,D公司在使用新能源物流车进行城市配送过程中存在一些问题。如配送模式单一,车辆的装载率较低,缺乏科学合理的配送路线规划;管理水平落后,货物配送不及时导致客户满意度下降等。因此如何科学合理地规划新能源物流车的配送路径以降低运营成本、减少客户的等待时间、提高配送效率是亟需解决的问题。基于以上背景,本文提出带时间窗的D公司新能源物流车配送路径优化问题,并进行深入研究。首先结合D公司的实际情况,在现状及问题分析的基础上,分析了D公司配送路径规划的影响因素,建立了带混合时间窗的新能源物流车路径优化模型。以配送成本最小为目标函数,综合考虑了固定成本、运输成本、时间窗惩罚成本、充电成本和机会成本。约束条件除了考虑服务时间窗、最大行驶里程和载重量约束外,还考虑了车辆的体积约束。其次选择遗传算法作为基础求解算法,为了弥补遗传算法的不足,引入精英保留策略,设计了一种融合贪婪局部搜索的爬山算法改进遗传算法。最后使用Matlab软件进行计算,通过算法参数的灵敏度分析,验证了算法的稳定性和结果的可靠性。并将遗传算法与改进的遗传算法结果进行比较分析。研究结果表明:（1）通过遗传算法求解,配送车辆降低56.25%,配送里程节约47.8%,配送时间减少39.2%,重量满载率提升47.94%,体积满载率提升34.75%,配送成本降低54.96%,优化效果显著;（2）改进遗传算法的收敛速度更快,求解结果更优,更加具有可行性。在遗传算法求解结果基础上,配送车辆降低7.14%,配送里程节约1.04%,配送时间减少5.53%,重量满载率提升7.68%,体积满载率提升7.7%,配送成本降低6.05%。最后针对D公司存在的问题,根据研究结果提出相应的优化建议。同时本文的研究具有一定的理论及实践意义,可为其他物流企业配送路径规划问题提供借鉴与参考。