物流配送作为企业商务交易的核心环节,不仅仅保障了商务活动的顺利完成,同时也是企业盈利和服务质量好坏的关键因素。此外,城市物流配送的优劣,直接影响到城市的交通状况和环境污染问题。近年来,随着互联网技术的发展和电子商务的兴起,使得传统的物流配送方式正在向着大规模、多区域、智能化的方向发展。在达到配送目的的同时,如何有效的提升配送效率、客户体验和控制成本等指标成为亟待解决的问题。然而,目前传统的物流配送方法,难以对大规模城市物流进行有效的求解。本文主要以“步步高”连锁超市的大规模物流配送为研究对象,主要研究内容包括:1.针对单物流中心大规模的物流配送中遗传算法进化速度慢,容易陷入局部最优解的问题,建立了考虑车辆容量和最大行驶里程的车辆路径问题的数学模型,并设计了一种混合遗传算法进行求解。该方法采用贪婪算法进行种群的初始化,在经历选择、交叉和变异后对每代中的最优个体进行爬山操作。实验选取“步步高”商业物流管理系统中提供的实际配送数据,在不同实验下的计算结果显示:本文所提出的方法在配送里程上均优于其他参比方法,在算法的收敛性上分析,本文提出的方法有效的加快了算法的进化速度,同时避免了种群出现“早熟”的现象。2.针对单物流中心大规模多区域物流配送中存在的车辆路径规划不合理、装载率不高的问题,提出了一种基于道路网拓扑的区域协同配送方法。首先,基于空间方向关系模型中的锥形模型,设计了一种基于固定点的区域间相对方向关系模型,加之区域间距离关系,构建了配送区域邻接关系表。然后,将配送区域抽象为车辆配送线路上的区域节点,依据一次实际配送任务中的区域信息和区域邻接关系表,生成车辆途径配送区域的初始线路,并对具有相邻关系的线路进行线路间区域节点的调整,从而形成最终的车辆途径配送区域的配送线路。最后,在车辆配送线路的基础上,依据配送区域内订单的分布情况以及单一区域扫描-遗传算法,设计了区域协同配送方法。相比于独立配送方式,区域协同配送方式能够有效的提升车辆装载率、减少配送里程。对于混合遗传算法,本文实现了在加快算法收敛速度的同时,提升了求解的质量。对于区域协同配送方法,本文充分考虑了区域间的空间位置关系,打破了传统分区配送中不同区域内资源相互割裂的情况,实现了车辆的跨区域配送。