随着电子商务的迅猛发展,城市末端配送已经成为现代电子商务亟需解决的重要问题之一。“最后一公里”和“最后一道门”是城市末端配送面临的主要难题,间接限制了电子商务的快速发展。近年来,共同配送模式的提出,为上述问题的解决提供了新思路和新方法,逐渐得到国内外学者的广泛关注和深入研究。共同配送模式的目标是配送计划的制定和顺利实施。复杂的城市交通网络是配送计划的载体,众多的城市末端网点是协助配送计划实施的有效手段。两者有利于配送计划的顺利实现,但是也增加了最优配送计划的求解难度。针对上述问题,本文借助GIS(Geographic Information System)技术构建了城市配送网络,为真实模拟城市道路网路奠定了基础。利用道路畅通度系数改进了1-M-1模型,加入了配送时间成本概念,使模型更能准确地描述城市末端配送问题。提出了GS-LS-NS联合学习搜索机制,并成功引入到粒子群算法(Particle Swarm Optimization,PSO)中,从而得到了协同粒子群算法(Cooperative Particle Swarm Optimization,CPSO),较大程度上提高了算法的搜索效率。为了充分整合地理信息系统和协同粒子群算法的功能优势,本文又提出了基于交通地理信息系统和粒子群算法的混合启发式算法(GIS-CPSO),该算法具有良好的交通网络构建能力和强大的路径搜索能力。为验证该算法的可行性,本文将上述理论方法成功地应用到上海市闵行区的末端配送案例中。与其他方法的求解结果进行对比,发现GIS-CPSO在各指标评比中均表现优秀。相对物流服务商而言,基于城市交通网络制定的配送计划具有很大的实用价值和指导意义。GS-LS-NS搜索机制在提高PSO算法搜索能力方面表现优秀,该搜索机制为其他群智能搜索算法的改进提供了新思路,具有借鉴价值。