本文针对海尔集团配车系统的业务需求，简要介绍了运用遗传算法(GA)和启发式算法(HS)求解集装箱装载问题的模型，讨论两个模型的建立和求解算法的异同。文中根据实验数据，对两种算法的性能进行了比较和分析，最后提出了有机地结合两种模型的设想。关键词：遗传算法；启发式算法；集装箱装载；组合优化 随着国内物流业的发展，物流相关技术的应用和发展受到越来越多的重视，电子化配车作为物流配送过程中的一个关键性的技术，对提高配送业务的自动化水平，提高车辆装载的优化程度，提高配送业务的工作效率方面都有重要的意义。在海尔物流的运输计划流程中，由于运输量大、产品种类繁多、而且要求按订单发运，用手工方式操作工作量很大，配送人员的工作效率和配送的准确率、优化程度都受到限制。针对上述原因，我们与海尔集团合作，开发电子化配车系统，以解决当前面临的这些问题，旨在寻求面向现代物流企业实用的优化配送算法，建立现代物流配送系统，以期达到对现代电子化配送装载业务有一个实用、有效的技术解决方案目的。 在实际应用中，由于实际应用约束条件很复杂，为了考虑求解快速和解的优化，以及实用性，人们往往采用启发式算法求解该问题。文献[7] 便是在考虑了实际应用中的一些约束条件的基础上提出的一种基于空间划分的三维装箱问题的启发式算法。遗传算法（Genetic algorithm，简称ＧＡ）作为一种模拟自然进化过程的随机性全局优化概率搜索算法，具有很强的全局搜索能力，特别适合求出问题的近似最优解，用GA 解决复杂装箱问题是一可行思路[6]。 本文首先简单介绍这两种方法，然后根据实验数据对这两种算法进行比较分析。