随着互联网的兴起,物流行业也得到了迅速地发展,物流配送中运输路径的优化已成为了物流行业中一个热点问题。目前物流行业迫切需要解决和优化的问题是如何有效的降低物流配送成本、减少物流配送时间,形成高效率的物流配送路径解决方案。在目前启发式算法及其优化算法在求解物流路径优化问题中被广泛应用。本文的目的在于结合启发式算法设计并实现物流系统,为物流行业提供高效的物流方案。在启发式算法中,蜘蛛猴算法采用裂变融合机制使得算法越来越受欢迎,尤其在解决高维优化问题中具有一定的优势,其在可靠性、有效性和精度方面超过了其他的算法。因此本文提出了一种LASMO算法,该算法采用Laplace分布代替均匀分布,并将其应用到物流选址问题中。在种群的初始化阶段,为了进一步加快算法的收敛速度,提高算法的求解精度,利用Laplace分布的方式产生种群的随机数,对搜索空间进行全面探索,发现算法中潜在的新的可行解。在算法的本地领导者阶段采用指数递减和随机对数递减的方法使得步长具有自适应性;为进一步平衡算法的搜索速度与收敛精度,在全局领导者阶段加入了加速因子。通过八个非常经典的测试函数,对LASMO算法的性能和应用方案进行了仿真和测试,并将其应用到物流选址问题中,实验结果证明改进后的蜘蛛猴算法寻优能力更强,更具优越性。为了改善物流过程中时间和成本的问题,本文利用双层规划方法,结合物流的特征,提出基于双层规划方法的物流运输模型。利用双层规划方法中上下决策者之间相互独立又相互影响的特性,将物流过程中的成本和时间分为上下两个目标通过对遗传和禁忌搜索算法进行融合优化,设计一种新的HTSGA算法,将算法运用到求解物流运输模型的场景中,通过matlab仿真实验,论证了算法和模型对于解决物流配送问题的有效性。最后,在所提算法和模型的基础上,本文实现了基于启发式算法的物流系统的运输管理、配送管理等几大主要功能模块,并对几个模块进行测试,达到了预期的效果,也进一步验证了本文所提算法和模型具有较强的实用性。