在互联网的引领下,电子商务领域得到了快速的发展。随之而来的物流配送问题给整个物流行业带来了巨大的挑战。近几年,随着我国冷链商品的产量增加,如何提高物流配送速度,配送服务质量,降低物流成本成为整个物流领域研究的热点。文中分析了当前冷链物流配送中存在的问题,建立冷链物流中的选址-配送模型,根据学者们对选址配送问题的研究,提出用禁忌搜索算法与改进细菌觅食优化算法交互式求解该问题。本文主要所做工作如下:(1)相对于其他物流配送而言,冷链物流配送对时效性要求较高,本文研究了带时间窗约束的车辆路径规划问题。针对于带时间窗约束的车辆路径规划问题的求解提出一种改进细菌觅食优化算法。采用CW算法和贪心策略插入法构造改进细菌觅食优化算法的初始解;分析车辆路径规划中常用邻域变换算子特点,结合时间窗因素,在relocate邻域变换算子的基础上设计出基本m-relocate算子、最小客户数目m-relocate算子、长路径m-relocate算子和费用减少最大m-relocate算子。将这四种邻域变换算子与细菌觅食优化算法中的趋化操作相结合,采用m-relocate算子中的m作为细菌游动的步长,四种邻域算子作为细菌游动方向,提高了细菌觅食优化算法的寻优效率。将改进后的细菌觅食优化通过对Solomon数据集中的56个算例进行仿真实验,将实验结果与传统的两阶段法、PITSH、改进的蚁群算法和蜂群算法相比较,从整体上看,改进后的细菌觅食优化算法在求解带时间窗约束的车辆路径规划问题上比较有优势。(2)分析影响冷链物流选址配送过程中主要成本,利用双层规划模型将冷链物流选址配送问题拆分成选址分配问题和带时间窗约束的多配送中心车辆路径规问题。提出用禁忌搜索算法与改进细菌觅食优化算法交互式求解冷链物流中的选址配送问题。在采用禁忌搜索算法求解选址分配问题过程中,根据带时间窗约束的选址分配问题的特点,设计了一种考虑时间窗因素的K-means聚类算法,在该方法中设计出一种既考虑了客户在地理位置上的分布情况同时结合了客户要求配送时间窗的相似度函数,用备选配送中心位置作为K-means聚类算法的初始簇中心,备选配送中心的数量作为聚类算法的K值,将考虑时间窗因素的K-means算法聚类后的结果作为禁忌搜索算法的初始解。在改进细菌觅食优化算法求解带时间窗约束的多配送中心车辆路径规问题中,采用整数编码对带时间窗约束的多配送中心车辆路径规问题中的解编码。在该编码中将带时间窗约束的多配送中心车辆路径规问题中的所有备选配送中心数目和配送中心车辆数目全部考虑进去,方便了邻域算子变换,有利于提高算法搜索速度。将上层禁忌搜索算法求得选址分配问题的解采用贪心策略插入法构造带时间窗约束的多配送中心车辆路径规问题的初始解,在下层中从改进细菌觅食优化算法求得带时间窗约束的多配送中心车辆路径规问题的解中解析出选址分配问题的解,将解析后的选址分配问题的解又作为禁忌搜索算法的初始解,两者在不断交互过程中搜索得到冷链物流选址-配送问题的最优解。最后本文选取Solomon数据集中R101算例作为冷链物流选址-配送问题中的客户,随机生成15个备选配送中心,结合相关文献中的冷链物流配送参数构造出冷链物流选址-配送问题的测试算例。采用禁忌搜索算法与改进细菌觅食优化算法交互式求解该算例,以验证交互式法求解冷链物流选址-配送问题的效果。