作为“第三利润源泉”，物流活动对经济活动的影响越来越明显，因为与供应链的末端——客户紧密相连，配送是物流活动中重要环节，同时在整个供应链中也有着举足轻重的作用，因此很有必要对物流配送进行优化调度，制定初始配送计划。制定这一份计划的过程中，需要考虑各种约束条件、建立模型、利用有效的算法求解模型，获得有效的解决方案，最少的时间内完成为逐个客户的配送任务，花费的配送成本最少。学者们将处理的这个问题定义为车辆路径问题(Vehicle Routing Problem,VRP)。　　当发生干扰事件之后，初始配送计划被修改，配送路径部分或者全部改变，同时配送时间的延迟，不再满足时间窗的约束。因此执行后续工作之前，最重要的是对配送时间延迟分干扰问题进行了识别和分类，判断干扰事件是否产生影响。如果现实活动中客户证实了受到了不确定事件的影响，而他们对于服务时间的要求并非全是刚性要求，即一般具有模糊时间窗的特点，因此就有必要对带有模糊时间窗的物流配送活动——尤其是送货中因为发生干扰事件而导致时间延迟的干扰管理问题进行研究。　　干扰事件对整个物流配送系统的影响主要涉及客户、供应商和道路，因此对客户不满意度、路径偏离和配送成本三个方面的扰动成本进行度量，利用线性加权法定义了物流配送体系扰动度量。　　然后，基于经典车辆路径问题模型，根据客户不满意度、路径偏差和配送成本三个方面建立带有模糊时间窗和单一送货的、配送时间延迟的动态模型。　　下一步，为了有效的解决这个NP难题，利用改进的遗传算法——设计了两点异位交叉算子，并对变异概率进行了自适应调整——求解带有模糊时间窗的物流配送干扰管理问题模型。　　最后，求解带有12个客户的实例并对结果进行了分析。按照客户不满意度、路径偏差和配送成本三方面的扰动，给出了计算偏离成本的全过程，验证干扰管理模型的可行性和有效性。选取与比较不同的参数，结果表明改进的遗传算法稳定性较好，能够较好地克服了遗传算法早熟收敛、迭代过早停止和种群多样性差的缺点。