全球经济使企业间的竞争与合作成为常态,企业希望能充分利用手中的资源降低制造成本,提高客户满意度。在此内因的驱动下,随着高性能计算、物联网等新兴IT技术的发展,形成了一种新的制造模式-----云制造。云制造模式将各类制造资源和制造能力互联起来,封装成标准化的制造服务,用户可以按需随时获取,同时这种制造服务安全可靠、质优价廉、绿色低碳。由于物流与制造活动存在天然的相关性,物流模式需要与制造模式一致,因此云制造模式的产生和发展带来了物流模式的变革。2010年,马云入股民营物流企业“星辰急便”便昭示了物流己经正式进入“云”时代。选址作为企业管理和决策的重要部分是企业战略成功的保证。选址决策的好坏不仅会影响设施的建设成本,而且会影响企业未来的运营成本和竞争力大小。因此,如何在云物流模式下进行科学的选址和对资源实行优化配置具有非常重要的理论意义和实践价值,对竞争环境下企业的生存和发展有重要的作用,本文希望在该领域做些有益的研究和探索。论文首先介绍了研究的背景和意义,描述了选址相关问题的经典模型以及常用的启发式算法的原理和应用技巧,在对国内外文献分析的基础上总结了以往研究中的不足。然后,研究了云物流模式的概念、系统框架以及关键技术,提出了云物流模式下的协同库存机制,指出云物流是将各种物流资源和能力虚拟化、服务化并进行集中的、智能化管理与经营,服务于多客户,实现高效协调与多方共赢的一种新的物流模式,协同库存机制是云物流模式下的库存控制方法,它强调物流资源在逻辑上的虚拟化集成和对资源的统一优化调度,目的是提高物流资源的利用率,降低企业物流成本。云物流概念和协同库存机制是后述选址-配送模型的理论基础。接着,在云物流模式和协同库存机制下分别构建了基于集合和最大覆盖的选址-分配模型。模型解决了配送中心的选址问题和需求量的协同分配问题,并在时间和容量约束、单一商品下需求点的优先级以及不确定需求问题上对模型进行了扩展。设计了基于GA-PSO的混合式启发算法。其中改进的遗传算法解决了离散空间的选址问题；改进的粒子群算法解决了连续空间的需求量协同分配问题。通过Benchmark实验验证了算法的可行性和有效性；通过真实算例、三种不同问题规模的随机算例以及与LINGO的对比实验验证了云物流模式下选址-分配方案的先进性,通过参数敏感性分析提出了云物流模式下选址-分配方案的策略。最后,对全文内容进行了总结,指明了未来有待进一步研究的方向。