在中央关于推进乡村振兴重点工作的意见中,明确提出了加快农村物流快递网点布局,实施“快递进村”工程,推动冷链物流服务网络向农村延伸,推进农产品产地仓储保鲜冷链物流设施建设,以及推动县域流通服务网络建设和县域集采集配中心建设的要求。随着国家对三农问题的关注和对农村物流发展的大力支持,电商物流在农村地区快速发展,这给乡村振兴和农村经济的发展带来了新的机遇。然而,农村物流整体发展仍比较滞后,如何提高物流运作效率是建设农村物流高质量配送服务体系的关键。与此同时,合理的物流配送中心选址是提高农村物流运作效率重要的影响因素之一。大部分物流选址问题都被证明是NP-hard问题,选址模型不仅需要综合考虑物流量、运输距离和运输成本等多种复杂的约束条件,还要考虑农村物流需求分布不均衡的特点,以及农产品储存、运输、货损的成本和配送服务满意度等问题。本文针对以上问题,提出一种改进的粒子群聚类算法,将双角色的学习策略引入到改进的算法中来优化算法模型,双角色学习策略可以充分地考虑配送站点需求分布的局部与整体特性,帮助算法识别需求分布不均衡的配送站点。在此基础上,本文将参数自适应的机制引入改进粒子群算法中,在算法运行的过程中自动的调整算法的参数到合适的值,能够使算法获得更佳的分类效果。然后将该算法与选址问题的经典聚类算法进行实验对比,实验结果表明本文提出的SAHLPSOK算法取得了最好的聚类结果。最后,将该算法应用于宁县农村物流配送中心的选址模型,提高了物流配送中心选址合理性与有效性,并为农村物流选址规划研究提供了一种新的选址思路。