生鲜电商的发展逐渐成熟,消费者通过线上消费生鲜产品频次增加。但随着生活水平的提高,消费者对生鲜产品的品质和配送时效的重视度越来越高,因此,为满足消费者的个性化需求,生鲜产品由传统的单仓或多个配送中心发全国逐渐过渡到社区配送的前置仓模式。但前置仓选址和容量多依赖于经验决策,使得管理难度大、供求不匹配、配送成本较高,这不利于生鲜电子商务的发展。因此,科学合理地安排前置仓、优化库存能力显得尤为重要。本文提出聚类算法和数学模型相结合的两阶段决策方法,从生鲜产品新鲜度、消费者感知价值等角度出发,试图解决前置仓选址-容量决策优化问题。在第一阶段提出基于AP（Affinity Propagation）聚类算法的前置仓选址-需求点分配初步决策方法,根据需求点之间的距离信息进行聚类;第二阶段提出前置仓选址-容量联合优化的精细决策模型,并设计免疫优化算法求解,得到前置仓决策方案。主要的研究工作如下:（1）提出前置仓选址-需求点分配的初步决策方法。采用AP聚类算法将大量的需求点根据其位置特点及点之间的关系进行聚类,将前置仓选址问题转化为一般性选址问题。通过AP一次聚类得到需求点群,AP二次聚类得到备选前置仓的数量和位置,构成“备选前置仓-需求点”的配送网络结构关系,为第二阶段的精细决策工作提奠定了基础。（2）提出储存新鲜率的概念,进行前置仓容量和运营分析,以期构建前置仓选址-容量联合优化的精细决策模型。（3）提出面向消费者需求的前置仓选址-容量精细决策方法。结合前置仓选址和容量问题,考虑消费者新鲜度感知和储存新鲜率,构建了以最低总成本为目标函数的前置仓选址-容量与需求点分配精细决策模型。结合上述研究工作,进行算例分析。设计了免疫优化算法,改进了算法的变异和交叉操作。论文提出方法的合理性通过实例验证,在灵敏度分析的基础上,分析前置仓的补货成本、运营成本、建设成本以及补货周期随着储存新鲜率的变化趋势。得出合理的储存新鲜率下的最佳选址方案、前置仓容量和运营方案,为生鲜电商企业进行前置仓选址工作提供合理依据。