大宗商品不同于城市内可零售商品,相对的,在物流系统中仓库的定位,运输方案的选择,总的决策目标也不同。一般,“一车多地”的情况不会发生。相应的仓库以及运输方案的优化将产生更大的经济效益。如何合理地对设施选址、需求分派、运送方式和路线选择等进行决策,建立一套高效率的配送系统,从而降低配送成本,成为电子商务物流业发展面临的重要问题。值得深入和系统地对该类问题展开研究。目前已开发出大量的数学模型来解决物流配送问题,但关于仓储和配送中心选址的多目标优化问题的研究并不多见,这也激励了越来越多的学者去研究它。本文为针对多目标规划在大宗商品电子批发市场的仓储与配送中心选址及车辆路径优化方面完成了一系列研究工作,描述如下:1、建立了关于多产品、多阶段和多层级的供应链的混合整数规划模型,该模型包括一些位置固定的工厂,一些位置不明确的仓储和配送中心以及给定的客户区。考虑了不确定的市场需求并通过一些概率已知的离散场景来模拟不确定的需求。在平衡总成本和总运输时间目标基础上,建立仓储中心和配送中心模拟配送问题,最后找出最优解。本阶段的意义在于提高物流绩效,通过优化配送渠道使企业保持长时间的竞争优势。为了给供应链成员提供一个补偿方案,本文提出了一个两阶段的模糊决策模型。通过建立多目标混合整数规划模型平衡冲突目标,例如最小化总成本,增加决策在不同需求下的鲁棒性,增加当地激励,减少总运输时间。2、通过综合评价方法提出了电子商务背景下的物流仓储中心模型。此外,本文运用理想点法和线性加权法的基本原理克服模型的复杂性并求解该模型,并运用lingo和matlab仿真工具通过算例验证模型。结果表明多目标模型增加了物流成本,但却缩短了配送时间。通过比较传统模型与新多目标模型,发现新模型能得到更优的结果,适用性更强。本文对仓库选址问题进行全面、更深入的研究,通过增加时间成本并考虑存在多个供应商和多个客户的情况来模拟电子商务背景下的物流仓库选址问题。算例证明新模型对电子商务模式的销售成本更低且更有效。3、运用模糊综合评价法建立了物流选址模型。基于模糊方法提出新的解法,该方法对多目标选址问题可以获得更优的解,该方法的效果可以得到验证。最后通过算例研究验证模型,比较传统单目标模型和本模型的结果表明,本文提出的模型适用性和实用性更强,可以得到更优的解。4、运用提出的多种群粒子群算法(MPSA)解决了多目标问题。通过长时间的研究工作,发现MPSA可成功地解决大型的运输问题(有54个变量)。与单纯形法求解线性规划问题得到的结果相比,发现MPSA基本涵盖了变量域且可获得令人满意的收敛速度,还可以得到多目标问题中的Pareto包络线。粒子群优化算法的改进有助于解决现代物流智能系统中NP-Hard问题。5、在电子物流优化系统的框架下,基于效果较好和推广型强的MPSA算法,运用maltab-GUI完成了物流小软件E commerce logistics system的编写。在该程序下,决策者不仅可以得到静态的优化方案,而且可随时修改供应商,仓库,客户信息,获得动态的优化方案。本文主要创新研究成果如下:1.构建了多目标MILP算法的供应链计划模型来满足各种矛盾的目标,例如最小化总费用,提高不同产品需求的决策鲁棒性,提高当地激励和降低总运输时间。为了建立供应链中各方的补偿解决方案,提出了两阶段模糊决策方法。2.在求解多目标规划问题上,使用了线性加权方法,理想点发和模糊规划的方法。在改进传统粒子群算法的基础上,提出随机参数的多种群粒子群算法,适用性广,收敛性好,是一种有前途的算法。3.本文开发了一个电子商务平台软件,这对于之后研究大宗商品物流优化有一个借鉴意义,重要的是在企业中也可引入。