随着互联网技术普及,电子商务在我国的飞速发展带动了物流行业的兴起,虽然物流行业整体发展前景广阔,但我国较国外物流发展起步晚,产业机制不健全,缺乏高效的现代物流体系,目前其还存在着许多不足。物流系统规划作为物流系统的基础,对物流企业的运营成本有着十分重要的影响,配送中心选址和车辆路径规划问题作为物流系统网络的重要组成部分,直接影响企业内部运作效率,决定企业在市场中的核心竞争力。传统物流服务市场将配送中心选址问题和车辆路径问题分开研究,这与当前的物流发展趋势十分不相符合,将两者整合形成选址-路径问题进行研究亦是物流发展的趋势,也是当前研究的热点,国内外众多学者都对此进行了研究。企业在建立配送中心时,往往是企业发展初期或者发展迅速上升阶段。随着时间,市场的变化,电子商务和物流业均得到飞速发展,客户需求量不断变化,而配送中心一旦建立不可改变,因此在建立配送中心时,需要考虑到客户未来需求量的变化,而变化通常是未知的,因此对客户需求量进行预测对企业的库存,成本,配送中心规模等具有十分重要的影响,也是确定配送中心建设规模的一个重要依据,对客户的需求量进行预测可以抢占市场先机,提高配送中心利用效率,减少成本,对企业具有十分重要的意义。论文首先选择影响客户需求量的几个重要指标,并利用皮尔逊法对影响需求量的指标进行筛选,筛选后的指标将作为影响客户需求量的自变量输入,然后利用经典的ARIMA时间序列和BP神经网络分别对客户需求量进行预测,并求出其相对误差平均值,利用shapley模型对两种预测方法进行组合,得出一个新的预测规划模型,最后利用该预测模型对客户需求量进行预测。数值算例表明,与单一预测相比,组合预测模型精度明显提高。选址-路径问题是供应链管理和物流系统规划中一个重要问题,对总成本具有十分重要的影响。本文对考虑配送中心容积约束的带时间窗的选址-路径问题进行了研究,建立了以总成本最小和客户满意度最大为目标的多目标规划模型,提出了两阶段算法对其进行求解。首先利用k-means聚类算法确定配送中心选址,而后提出了一种基于时间-空间双因素的客户划分方法以确定配送中心所服务客户,最后,利用改进粒子群算法对各配送中心的配送路径进行规划。几个数值算例表明,本文所提出的算法较其它已有算法,均能有效的降低物流运作总成本及总配送路径长度,为解决带容积约束及时间窗的选址-路径问题提供一种新的求解思路。最后论文对配送中心规模进行灵敏度分析,从分析中可以得到,配送中心规模对配送路径及总成本具有十分重要的影响,因此考虑需求预测的选址-路径问题十分具有研究意义。