连锁便利店企业近年来发展很快,我国已有多家品牌连锁便利店。由于连锁便利店配送的特点基本为一天一配,因此配送成本占据着连锁便利店成本的大部分,配送线路的合理化决定着连锁便利店的成本,也是本土连锁便利店品牌与国外便利店品牌竞争的关键。连锁便利店的配送本质上还是属于VRP问题,本文在梳理国内外对VRP问题的基础上,通过对现有研究成果,相关政策,理论,以及相关案例的学习,分析出连锁便利店配送属于大规模VRP问题研究。为此从连锁便利店配送现状及需求出发,提出了连锁便利店企业配送问题的解决思路,即先对配送区域划分,再进行线路优化的方法来解决连锁便利店企业的配送路线优化问题。本文对比了多种解决路径优化问题的算法,选取采用原理简单、具有优化迭代功能、收敛速度快的k-means聚类算法结合具有分布式正反馈计算机制、求解性能具有较强鲁棒性优点的蚁群算法来解决连锁便利店配送路线的优化问题。基于k-means聚类算法k值难以选定的缺点,提出应用轮廓系数指标与组内误差平方和指标交叉验证的方式来确定最优的k值并进行配送区域的划分;同时对蚁群算法参数设置进行了探讨,通过对比仿真实验大致确定蚁群算法参数设置的范围来并用于求解VRP问题,在蚁群算法的求解过程中还运用了节约算法的思想。本文基于上述方法,以A连锁企业便利店为研究对象进行配送线路优化。首先,通过分析A连锁企业便利店配送现状,发现配送方案存在着配送路线安排不合理、运输线路长等问题;其次,以降低配送成本提高配送效率为目标,构建A连锁企业便利店的配送路线优化数学模型,运用改进K值后的k-means聚类算法划分配送区域,将该连锁企业193家便利店划分为分别有42家、122家、29家便利店的三类配送区域,在此基础上,运用已经确定了参数设置范围的蚁群算法对各个区域配送路线进行优化并得出优化线路;最后,提出A连锁企业便利店配送路线合理化运行的保障措施。实施该配送线路优化方案后,A连锁企业能有效降低运输成本,提高配送效率。该方案对其他连锁企业便利店的配送路线优化也具有一定的参考价值。