物流学的研究正在吸引人们越来越多的注意，一种典型的物流系统是从采购开始经过生产、分配、销售最后到达用户的多阶段物流系统。　　针对多阶段物流系统的设计问题，研究人员提出了各种基于启发式规则的优化算法，其中，遗传算法(genetic algorithm，GA)是一种主要的优化方法。目前，最有效的遗传编码方式是利用Prüfer数作为染色体编码。　　虽然Prüfer数是一种有力的对物流方案编码的工具，但是在非平衡多阶段物流系统的优化中，运用Prüfer数来描述候选解还存在着一些问题。　　第一、一些Prüfer解码所得的生成树不能够与节点的容量相匹配，成为不可行的物流分布树。虽然一些修正方法被提出，但是修正这些不可行物流分布树的操作又会降低解码过程的计算效率。　　第二、在非平衡多阶段物流系统中，采用Prüfer数作为编码的遗传算法无法搜索到整个设计空间。也就是说，一些物流分布树无法通过解码任何Prüfer数而得到。　　针对第一个问题，本文设计了一种改进的Prüfer数解码方法，在这种改进的方法中，节点容量成为在解码过程中需要被考虑的因素，能够影响生成树的形成过程和结果，使得任何一个随机产生的Prüfer数都能够被解码为一个与物流网络的节点容量相匹配的可行的物流分布树。　　基于上述解码方法，还形成了一套适用于复杂大系统的基于Prüfer数的迭代的树形阶段物流分布编码/解码方法。由于该方法具有形式化的特点，非常适合于利用计算机进行处理。这为复杂大系统问题的计算机求解奠定了基础。　　针对第二个问题，本文创新性的提出界面分布(interface distribution)的概念，通过界面分布编码，一个非平衡的物流系统可以被转化为一组平衡的物流系统。并且，界面分布编码与Prüfer数相结合，就构成了新方法中的染色体编码。　　界面分布编码还有一大优势:通过界面分布编码，物流链中间设施的选址问题也可以被编码。当一个中间节点的界面分布为0时，就表明该节点没有被选中而不应该开放。　　当物流系统中有多种产品时，就形成了多产品多阶段物流系统。而这种多产品物流系统在现实中是更加普遍的。由于，同类节点内部不同节点之间的个体差异，它们对不同产品的处理能力、效率都各不相同，这些差异都将影响系统总的物流成本。　　本文提出的界面分布编码概念为多产品多阶段物流系统的优化提供了新的工具。每一种产品在每个界面上都有其界面分布编码;多产品多阶段物流系统的染色体由一组单一产品多阶段物流系统的染色体来构成，其中的每一个子串代表一种产品的物流方案。不同产品在同一临界界面上的界面分布编码共同描述了多产品对这种临界资源的竞争关系。多产品的界面分布编码作为染色体的一部分参与遗传操作，通过遗传算法的隐并行性群体搜索能力，合理的多产品分配方式的求解过程将与整体物流方案的求解过程同时进行。　　界面分布编码的提出也带来了不利的因素，它使得染色体编码空间和求解问题的计算量都大大增加，分布式计算是解决该问题的一种有效策略，因此，本文也研究了分布式计算的设计和算法配置。　　综合上述创新之处，在本文中提出了一种改进的运用Prüfer数和界面分布编码的遗传算法(improved Prüfer number and interface distribution coding based genetic algorithm，IPI-GA)。在实际案例的计算中，IPI-GA方法与Syarif,Yun和Gen(2002)所提出的一种基于生成树的遗传算法(a spanning tree-based genetic algorithm，st-GA)进行了数值结果比较，IPI-GA方法的性能得到了有力的证明。　　综上所述，本文的研究重点及创新之处主要集中在四点:改进的Prüfer数解码方法的提出;形成了一套适用于复杂大系统的基于Prüfer数的迭代的树形阶段物流分布编码/解码方法;界面分布编码概念的提出及其在非平衡多阶段物流系统优化中的运用;多产品多阶段物流系统的优化设计。