近几年来,我国的物流行业发展十分迅速,已经成为人民日常生活中不可或缺的一部分。随着互联网、大数据、物联网等先进的信息技术与物流产业的深入结合,当前物流行业已经由起初的快速发展阶段转向高质量发展阶段,在这重要转变的过程中,物流行业仍然有许多亟待解决的问题,例如基础设施不够完善,存在无效运输、物流成本过高等问题。其中,物流成本高居不下是所有物流企业都在面临的一项重要难题。S企业是一家第三方物流公司,现正在向成本节约型企业转型。目前该企业对自身物流运输所需要的各种包装材料进行控制,通过精准预测的方式进行物料成本控制。通过对S企业实地调研和现有预测方案及配送方案的分析,发现S企业在物料需求供应方面存在需求预测不准确、物流配送效率低、物料配送容易出现异常、物料配送成本过高等问题。本文以S企业J地区的物料供应项目作为对象进行研究,根据上述提到的相关问题,提出相应的改进措施以达到成本控制的目标。首先通过分析S企业物料需求数据特征及多种预测方法的优势,通过比较分析发现,时间序列ARIMA预测模型、BP神经网络模型及两者的组合预测模型对营业网点物料需求量预测是可行的,通过对比三种预测方法的评价指标来筛选相对更优的预测方法,最终确定采用组合预测模型为该公司营业网点物料需求进行结果预测;其次,为快速高效地完成配送任务,先对营业网点进行区域划分。具体是采用手肘法确定K值为3,借助Canopy算法帮助确定初始聚类中心,用K-means聚类算法将J地区的183个营业网点划分为3个配送区域;最后,综合考虑网点距离、车辆容量、网点需求量等约束,以此建立了求总成本最小的目标函数和车辆路径问题的数学规划模型,并通过设计遗传算法的适应度函数、选择、交叉、变异算子进行模拟求解,最终通过物料需求预测数据求得结果,经过对比分析,优化后的配送方案更适合企业。本文通过对S企业J地区物料需求预测方法的改进和物料配送车辆路径问题的优化,改善了该企业物料需求预测不准确、配送效率低下、物料配送异常损失及总成本过高的问题,优化后的方案为该企业后期物料供应模式转型提供了一定参考,为企业的后续发展助力。