近年来,网络零售市场一直处于蓬勃发展,传统的配送模式已不满足电商物流配送的多约束业务需求,同时海量交易生成的配送任务对物流配送提出了严峻的要求,如何提高配送效率、降低物流成本、科学规划配送网点等问题是物流公司面临的限时问题,国内外学者对此进行了相关研究,提出了诸多的解决方案。其中,车辆路径问题VRP(Vehicle Routing Problem)和配送网点选址是物流系统优化研究侧重点。目前对于VRP问题的研究是在已知配送网点的基础上建立模型,并没有充分考虑配送资源以及时间约束和个性化配送需求。本文将在传统配送模式下,加入个性化配送需求的同城O2O任务单(具有惩罚时间),在多约束条件下,降低物流成本、合理且有效的满足企业需求、提高用户满意度。配送网点作为配送系统枢纽,其建设规模(吞吐量)以及覆盖范围直接影响配送成本、效率以及顾客满意度等。本文在已有的客观条件下,在满足需求的情况下,以整体费用最小,优化配送网点的个数和位置。本文在分析了物流系统中配送网点选址,配送路径,以及服务时间、配送资源、满意度等关系的基础上,以降低物流配送成本为基点,提高企业和用户满意度,结合实际应用场景做了如下研究:1)针对物流公司的配送网点决策调度部均匀、订单取消等情况,采用配送任务聚类,沿途配送同城O2O包裹任务策略,建立具有时间约束的VRP模型,在满足多约束条件下,设计了一种基于时间阈值的竞争决策算法。2)加入了惩罚因子,分析了服务时间、配送资源、在途时间、延迟时间、惩罚时间之间的关系。3)对上海地区124个配送网点,942个配送点、613个商户点,12631个实际订单数据进行算法验证以及测试分析,分析发现提出的模型,降低了配送时间,优化了配送资源。4)针对不确定配送中心个数和位置的选址问题,设计一种求解应急资源调度和设施选址的模拟退火与Flod迭代算法的双层算法,算法的外层采用模拟退火对设施选址进行优化,并且构造了具有禁忌表的邻域策略;内层采用Flod算法求解资源调度的最小费用流。5)对提出的模型进行多组实验数据测试,主要分析了遗传算法、模拟退火算法和提出的双层算法之间的性能,分析发现对于提出的算法,降低了部署费用,提高了配送效率。