云仓储是一种面向服务的新型仓配模式,云仓的合理选址对于满足客户的个性化需求有着重要的意义。云仓储模式对物流资源的协同性、物流系统的动态性、服务的智能性等提出了更高的要求,云仓作为物流仓配作业的执行机构,其在选址过程中需要更加全面地考虑复杂的影响因素。对此,本文针对传统选址方法过于忽略成本以外的影响因素的问题,结合云仓储模式的特点及现代云仓的功能,以云仓选址及分配为研究对象,将多属性决策和最优化方法相结合,提出二阶递进的方法研究云仓的选址-分配问题。本文的主要工作及贡献如下:(1)提出了二阶递进的云仓选址方法。采用定性和定量研究相结合的方法,将多属性决策与最优化方法相集成,提出了二阶递进的云仓选址方法,基于灰色AHP综合评估进行初步选址,然后基于最大覆盖模型进行精确选址-分配研究。(2)基于灰色AHP的候选云仓综合评估。综合考虑影响选址的定性及定量因素,构建了3层级评价指标体系,包含自然、经营环境、基础设施、其他因素等4个影响云仓选址的一级指标,以及地质条件、气象条件、交通条件、经营环境、环境保护等13个二级指标。并基于此评估体系,提出灰色AHP方法对候选云仓进行综合评估,进行初步选址。(3)基于最大覆盖的选址-分配模型构建与求解。根据云仓储模式的特点,对传统最大覆盖模型的覆盖状态和覆盖半径松弛优化,构建了以系统成本最小化、客户满意度最大化及需求量覆盖率最大化为目标的选址-分配模型,并设计改进的量子进化算法对该模型进行求解。(4)应用案例研究。结合A公司业务需求,以其提高在浙江省物流服务水平为目标,开展了中心仓、区域仓的选址-分配问题研究,通过与传统最大覆盖模型所得结果进行对比,进一步验证本文方法的科学性及有效性。研究表明,本文提出的灰色AHP方法可客观有效地对候选云仓进行综合评估,设计的改进最大覆盖选址-分配模型与传统最大覆盖模型所得方案相比,在降低物流成本、提高需求量覆盖率、实现多云仓协同等方面有较大优势。提出的二阶递进选址方法提高了选址的科学性及选址结果的可行性。另外,设计的量子遗传算法在求解上有良好的表现。