近年来,物流业已成为我国新世纪经济发展的主要支柱产业和经济增长点。物流配送是影响企业利润和核心竞争力的关键因素。当前,物流业的工作流程变得更为复杂,在信息化高速发展的今天,利用信息技术建立一个综合高效的物流信息决策方案,从而有效控制物流活动、合理配置物流资源以降低物流成本显得至关重要。运筹学在物流管理中具有广泛的应用。本文结合运筹学的数学规划论、图论与网络理论、合理选址理论、可靠性理论,运用本文改进的聚类算法解决物流管理中的实际问题。聚类分析广泛地应用于市场研究、数据分析、模式识别、图像处理、生物学、市场营销和电信业等多个领域,各个领域中的不同应用都对聚类分析算法提出了不同的要求。本文结合物流业的特点,提出一种改进的基于Dijkstra距离的聚类分析算法。本文的主要工作有：(1)将物流管理需要解决的问题建模成无向连通赋权图；(2)用Dijkstra距离替代聚类方法中常用的欧几里德距离度或曼哈顿距离；(3)本文改进的DK-menas聚类算法,根据实际应用可以避免决定k值的盲目性以及k个质心选择的随机性；(4)将改进的聚类算法应用到物流业,可以有效地划分物流配送服务的客户范围；(5)对同一个簇中的所有对象进行最小生成树构建,从而优化配送路线；(6)根据空间划分的粒度大小,可以将改进的聚类算法应用到物流业务流程控制管理的各个环节。本文运用运筹学的相关知识进行分析,改进的聚类算法应用到物流管理中具有很好的实用性。