随着现代物流行业的不断发展,同时响应国家智能化发展战略,传统制造业、现代电子商务企业、快递物流企业、第三方物流企业正在不断加大物流智能化项目的推进,国内外学者对物流系统及物流系统优化的研究热度不断扩大。此背景下,本课题对物流系统中的配送优化进行了研究,从传统的车辆路径优化问题入手,将车辆路径优化问题与物流背包问题综合,并加入配送客户端的配送时间窗需求约束,形成动态物流背包优化多目标问题模型。针对动态物流背包多目标优化问题,本文提出了改进型的灰狼优化算法,并在物流系统仿真模型中对算法进行了验证。主要完成了以下几个方面的工作:1.在基本的车辆路径优化问题上,加入客户动态时间窗约束与物流背包优化,形成动态物流背包多目标优化问题模型(DLKMOP),属于多目标优化问题模型,主要优化目标为:车辆配送距离目标函数,车辆背包价值率目标函数,以及主要由动态时间窗需求决定的客户满意度目标函数。2.针对动态物流背包多目标优化模型,提出了改进型的灰狼优化算法,非支配排序灰狼优化算法(NSGWO)和快速非支配排序灰狼优化算法(FNSGWO)。NSGWO算法引入多目标Pareto支配概念,加入非支配排序和共享小生境策略,算法时间复杂度较高。FNSGWO算法在NSGWO算法基础上,加入快速非支配排序与拥挤度计算策略,对灰狼种群进行分层非支配排序,从而对多目标优化模型进行求解,得到多目标Pareto前沿解集,即多目标优化模型的解。3.为了验证模型的有效性和改进型算法的效果与性能,本课题搭建了一种物流运行系统简化模型,实现对物流配送流程进行模拟。试验证明,多目标优化与配送距离单目标优化得到的配送方案更好,配送距离变化不大的情况下,客户满意度平均提高了12.3%,车辆背包价值提升了14.4%。同时,基于物流系统简化模型,将NSGWO、FNSGWO、GWO与粒子群算法进行对比,实验证明,FNSGWO算法能为物流终端配送提供效益更高的配送方案。