在当前消费升级的带动下,生鲜零售企业逐渐采用新零售模式,将线上与线下进行融合,从而拓宽销售渠道,缩短最后一公里的配送范围,这样的做法虽然提高了终端消费者的服务质量,但却对门店的补货过程造成了巨大压力。因此本文则以城市B2B(Business to Business)的补货过程作为主要问题进行研究,提出了基于配货计划的多目标多配送中心配送路径优化模型,并设计了自适应遗传退火算法进行求解,分别为计划外和计划内模型寻找相应的最优配送路径方案,以满足新零售模式下门店补货的实际需求情况。本文的主要研究成果如下:(1)根据门店的补货需求情况,首先构建了计划内和计划外配货的不同目标函数,在传统冷链VRP(Vehicle Routing Problems)模型的成本构成中考虑了碳排放成本,分别建立了基于计划内和计划外配货的多目标多配送中心冷链配送路径优化模型,并采用主要目标法和线性加权法对多目标函数进行降维处理,采用整体求解的思想对多配送中心路径问题进行全局寻优。(2)运用自适应遗传退火算法进行模型求解,采用了字符集编码方式和精英保留策略以及考虑服务优先级的扫描算法,设计了基于模拟退火思想的选择算子以及非线性自适应交叉和变异算子。通过与标准遗传算法的对比发现,该算法的收敛速度更快,物流配送总成本更低,验证了其算法的寻优能力和求解效率。(3)以两个配送中心对22个门店的配送服务为例进行模型求解,比较不同满意度约束下的计划内配货模型总成本变化情况,发现当每个门店的最低满意度设置为85%时,其综合补货配送方案是最优的;通过20次的求解分析发现,在计划外配货时,考虑时间收益模型相对于传统时间模型能找到更好的最优解,并能根据需求量的大小确定车辆服务顺序,满足了计划外的紧急补货需求,验证了模型的可行性。图36幅,表16个,参考文献60篇。