Este documento propone un algoritmo de Búsqueda de Armonía mejorado y da la definición del Factor de Compartición Global del algoritmo de Búsqueda de Armonía (HS). En la definición, se aplica el número de creaciones del algoritmo HS al factor de compartición y se calcula. En este algoritmo, se utiliza el método de codificación de armonía natural para codificar la armonía inicial, y la longitud total del camino de todos los vehículos se toma como la función objetivo de optimización. Se propone una nueva estrategia de generación de armonía de la siguiente manera: cada componente tonal en una evolución se calcula por separado utilizando la nueva estrategia de aprendizaje y la estrategia de actualización. En el proceso de cálculo, el componente tonal se juzga por si necesita ser ajustado de acuerdo con la estrategia de ajuste. De esta manera, se resuelven los problemas de singularidad y aleatoriedad de la nueva estrategia de generación de armonía del HS básico para mejorar la diversidad de las soluciones del algoritmo. Luego, se propone un nuevo método de Búsqueda de Armonía con Factor de Compartición Global basado en la codificación y decodificación de números naturales para el Problema de Ruteo de Vehículos (GSF-HS-VRP). El algoritmo mejorado de Búsqueda de Armonía con Factor de Compartición Global - Problema de Ruteo de Vehículos (GSF-HS-VRP) se aplica a problemas de optimización de caminos de vehículos con capacidad limitada en comparación con los algoritmos HS, Búsqueda de Armonía Mejorada (IHS), Búsqueda de Armonía Global Mejor (GHS) y Búsqueda de Armonía Global Mejor Auto-adaptativa (SGHS). Se adoptaron datos de pequeña escala y ejemplos de Solomon como datos experimentales. En comparación con los otros cuatro algoritmos, el algoritmo GSF-HS-VRP tiene el tiempo de ejecución más corto, una velocidad de convergencia más rápida y una mayor eficiencia. En la prueba de múltiples vehículos, con el aumento del número de vehículos, el camino optimizado del vehículo satisface más las necesidades reales de los clientes. Los resultados mostraron que este método podría mejorar efectivamente el rendimiento de optimización del problema de ruteo de vehículos con capacidad limitada.