中国近几年来经济的迅速发展，市场环境和产业结构都发生了很大的变化，这种变化需要我国有发达的流通业为支撑。物流产业是流通业的物质基础，所以保持国民经济快速健康发展，建设和谐社会，大力发展现代物流产业是极为重要的一环。现在，一批新兴的物流企业在市场当中大量涌现，提供多种形式的物流服务。但是物流系统软件往往定制比较多，智能性不高，平台性不强，环境变化后就不能使用，导致开发成本比较高，许多物流服务企业未能将自己的需求有效地整理出体系并完整地传递给物流软件服务商；物流软件服务提供商业未能有效地融合智能和技术满足市场的需求，使得物流企业的需求与物流系统往往不能匹配。本文提出的智能物流开发平台正是针对这些问题提出解决方案，可以有效的提高物流软件的智能性，而它的平台性特征正针对与普通物流软件通用性不强的问题，能提高系统开发效率，降低物流软件开发的成本和时间。智能物流开发平台为物流应用软件系统的开发提供了一个基于SOA(面向服务)的体系框架。开发技术是J2EE和WEB Service，主要特点是智能性和平台性。智能性是指智能物流系统开发平台采用了基于文化算法框架以混合型粒子群优化算法为核心的路线优化算法(GAPSO-CA算法)，提供路线优化等多种人工智能实现。平台性体现在针对物流业务，对标准化程度高的核心业务进行封装，设计了多种构件，理论上，可根据用户的具体业务需求，将需要的物流业务构件组合，可搭建出符合用户需求的智能物流管理软件。本文首先介绍了平台的设计理念和采取的技术，开发必要性，分析了遗传算法(GA)、粒子群优化算法(PSO)，并且指出了在解决车辆路径问题，GA算法具有收敛速度慢和寻优效率较低这两个问题，而PSO算法则容易过早收敛和陷入局部最优解的劣势，并且找出了两种算法劣势的问题根源。其次，在介绍在文化算法的理论框架后，将遗传算法和粒子群优化算法纳入文化算法框架，运用双重演算的特点，发挥二者的长处，创新性的设计出了GAPSO-CA算法，并给出了与单独的GA算法和PSO算法的运行结果比较，证实了本算法能有效的避免GA算法和PSO算法的不足，综合两者的优点，解决车辆路线优化问题。本文最后介绍了平台封装性的理念，给出了接口XML设计事例，以及构件的功能设计图。