随着移动互联网的日益成熟以及现代物流、电子商务平台服务、电子支付和电子认证等支撑体系的进一步完善,物流配送问题成为真正制约电子商务进一步发展的主要因素。因此,物流配送作为电子商务中的重要一环,越来越受到人们的重视。然而,物流成本偏高、物流配送效率偏低、配送服务质量差等问题严重影响了电子商务的快速发展。优化物流配送环节,成为各个企业在激烈的行业竞争中提升自身竞争力的重要方面。为满足客户对物流配送的及时性要求,提高配送服务质量,降低配送成本,人们针对物流配送中的配送中心的选址、货物组配方案、运输的最佳路径、最优库存控制与越库配送等问题做了大量的研究和探索,并已经取得了一定的成果。遗传算法是一种以借鉴自然界中生物进化理论的优胜劣汰规制演化而来的随机搜索方法,它既能自适应地调整搜索方向,并且搜索过程中也不需要确定的规则。遗传算法的自组织、自适应和自学习性使其具有优秀的全局寻优能力。因此,遗传算法的通用性很强,适用性很广泛,并且在处理大型的复杂问题时有特别突出的优势。本文主要是针对遗传算法在物流配送中,特别是在越库配送中的应用进行研究和探讨。论文在阅读和研究了大量的国内外相关文献的基础上,针对当今电子商务中物流环境的新特点,分析了当前物流配送中的新模式——越库配送模式,并通过对常用的现代启发式算法进行比较,阐述了选择遗传算法作为物流配送中相关问题优化算法的原因与优势,着重研究通过遗传算法来求解车辆路径问题,提出了将越库配送思想与车辆路径选择相结合的想法,并构建了在越库配送模式下的带装载能力约束的车辆路径问题模型。本文针对这个问题提出了一种改进的遗传算法,探索并实现了将节约里程法应用于群体的初始化过程中,在遗传算子中计算交叉概率时提出了一种新的自适应交叉概率计算方法,并在此基础上完成了在MATLAB上的仿真实验,结果表明改进的遗传算法提高了全局的寻优能力并加快了收敛速度。在文章的最后,作者总结了论文的主要工作,并提出了下一步的研究计划。