物流配送流程包括采购、仓储和配送。在作为最后一个环节的配送过程中,随机性的需求会时有发生,当客户在任意随机的时间产生新的需求时,如果一味地按照原来的配送计划继续执行,则无法满足客户的这种随机需求,从而导致客户满意度降低。怎样快速准确的响应客户的需求,提供及时而满意的配送服务给客户,成为配送系统亟待解决的问题。本文研究了国内外学者对相关问题的解决方法,总结发现,响应随机需求的方法主要有两类,一类是侧重于研究客户的需求预测,而没有对路线进行实时优化达到使企业成本最低的目标;一类是过多的研究路线的优化,但是没有对随机需求量进行合理的预测,没有相应的货物同样不能及时的应对随机需求。本文结合某配送公司的实际配送需求,建立了多目标规划的数学模型,该模型以配送运输总成本和客户不满意度作为计算参数,然后对蚁群算法、禁忌搜索算法和遗传算法等三种元启发式算法的原理及适用性进行了对比,最后选择了不易陷入全局最优、并行性和扩展性强的遗传算法作为求解配送路线的方法,该方法用于求解物流配送的初始配送路线以及产生随机需求后实时的调整规划路线。同时,在设计完整配送方案时,为了应对随机需求,将随机需求的预测融入配送方案,对比分析了定量预测法、时间序列预测法和因果关系预测法,最后选择适合短期预测且精度较高的灰色模型求解次日货物的配货比例,充分地利用了执行任务的车辆冗余空间,合理地进行货物多载,以保证在发生随机需求时,能够高效准确的加以应对。最后,基于大连市某配送公司的实际需求,展示了随机需求发生时的配送路径的调整情况,证实了合理的装配与实时的路径改变对减少成本损失、降低客户不满意度起到的作用,并取得了较好的效果。也使更大的实用价值在本文的研究中得以体现。