近年来,电子商务迅猛发展,B2C、新零售、O2O等新型电商模式促进了物流行业的转型升级,物流的智能化、标准化、集约化、绿色化已成为行业发展趋势。仓配一体化模式因其集约化特点,以及在成本、效率和服务质量上的优势,成为一大批传统物流企业创新经营的首选模式。仓储与配送有机紧密结合,能够全面提升物流作业时效,实现精细化的仓储与配送一体化管理。库存管理是仓储管理中的关键环节,在需求不确定的电商环境下,如何准确预测未来的库存需求并合理补货,避免出现货物积压或者短缺,为即时配送提供库存保障,是库存管理亟待解决的难题之一;在配送管理中最重要的是在配送时效内满足客户的配送需求,并尽可能地节约成本,因此配送车辆路径优化成为研究重点。基于上述背景,论文从库存需求预测与配送车辆路径优化两方面展开研究。在库存需求预测方面:给出基于压缩感知去噪-人工智能(CSD-AI)库存需求预测模型构建方法;根据库存需求问题特点,选择人工智能方法(AI)中的最小二乘支持向量回归机(LSSVR)构建压缩感知去噪-最小二乘支持向量回归预测模型(CSD-LSSVR);通过实际算例总结模型存在的局限性,并运用自适应烟花算法(AFWA)对其参数寻优,改善了模型算法的性能;实例验证表明改进后的模型与算法能够适用于中小型仓配一体化企业的库存需求预测。在配送车辆路径优化方面:结合中小型仓配一体化企业的配送特点,建立以成本为目标的带硬时间窗的配送车辆路径优化模型;并针对模型特点以及烟花算法(FWA)的优良性能,选择将FWA进行离散化改进后用于模型求解;通过Solomon标准测试算例发现算法性能有待加强;在分析算法局限性的基础上,选择采用量子进化算法(QEA)对烟花个体进行概率变异操作,改善了算法性能,通过算例与实际案例数据进行验证,证实了论文模型与算法对于中小型仓配一体化企业配送车辆路径优化的有效性。论文结合实际案例对中小型仓配一体化企业库存需求预测与配送车辆路径优化问题进行了一些初步研究探索,研究了这两方面问题的建模和求解方法,为此类企业在发展过程中应对挑战提供了解决问题的思路和方法,具有借鉴价值。