如今,随着计算机科学的迅猛发展、人类生存空间的扩大以及认识与改造世界范围的拓宽,人们对科学技术提出了新的和更高的要求,其中高效的优化技术和智能计算的要求日益迫切。群体智能,作为一种新兴的智能计算技术正受到越来越多研究者的关注。群体智能的协作性、分布性、鲁棒性和快速性等特点使之在没有集中控制且不提供全局模型的前提下,为寻找复杂的分布式问题的解决方案提供了基础。微粒群优化算法是一种新兴的智能优化算法,其源于对鸟群捕食系统的模拟。该算法相对于遗传算法(GA)而言容易实现,没有交叉和变异操作,需调整的参数不多,收敛速度快,因此自从Kennedy和Eberhart于1995年提出以来,便受到了广泛的关注,尤其是在最近几年微粒群算法原来越受到群体智能研究方面的专家和学者的青睐,并在一些领域获得了成功应用。现己广泛应用于函数优化、动态环境优化、神经网络训练等诸多领域。物流配送中心在现代商品流通中的作用极大,它通过对商品的运输、保管、装卸、搬运、流通加工、配送、定单处理和信息处理等工作的统一管理,可以大大减轻作业劳动强度,减少商品消耗,提高库存周转率,加速商品流通,降低流通成本,提高社会需求的满足程度,给消费者以更多选择。在物流网络中,配送中心连接着供货点和需求点,是两者之间的桥梁,在物流系统中有着举足轻重的作用,搞好配送中心的选址将对物流系统作用的发挥乃至物流经济效益的提高产生重要的影响。因此目前对于配送中心的研究成为物流发展的热点。而选址问题则是配送中心规划时面临的首要的,也是最为复杂的一个问题。本文主要的工作包括如下几个方面:1.将微粒群算法与免疫算法相结合,把免疫记忆和克隆选择等免疫算子引入微粒群算法中,从而形成了一种改进算法。仿真实验结果表明该算法能克服基本微粒群优化算法精度较低,易发散的缺点,既加快了算法的搜索速度又使算法避免了陷于局部最优。2.对物流配送中心的选址问题进行了研究,建立了一个配送中心选址模型,使配送中心选址问题更具有实际意义和指导作用,对未来的配送中心的建设提供参考。3.将改进微粒群算法应用到离散点的选址问题上,并对所提出的选址模型进行了实验。