近年来,我国信息技术与电子商务蓬勃发展,消费者的生活方式以及购物方式也越趋于多元化,电子商务驱动了网购物流的快速发展,也促进了快递包裹量的爆炸式增长。物流行业中特别是“最后一公里”环节配送成本较高,快递行业面临着客源分散、消费需求多样化、个性化以及消费者维权意识愈强等的挑战。当前对于电商和物流企业而言所面临的共同难题,是如何在保证客户满意的前提下,通过建立完善的城市配送体系,来降低末端配送成本。本文以国家科技支撑计划课题项目《网购物流城市共同配送服务技术研究与应用示范》为基础,围绕共同配送模式下末端网点的选址路径问题继续展开研究,从电商平台与物流企业的视角探索协同合作的相关研究与应用。针对电商平台,利用其存储的海量历史订单数据,通过数据探索、特征工程,最后使用GBDT的机器学习算法对历史订单数据进行分析建模,从而实现对未来商品的配送量预测,用于指导后续路径规划的相关问题。针对物流配送系统,本文在考虑用户自提与送货上门两种配送模式的基础上,通过引入相应的配送效用函数,在有限理性的决策模式下,构建以距离为核心的用户自提效用函数,同时构建以综合考虑费用和时间窗的送货上门效用函数,建立以企业综合成本最低和顾客配送效用函数最大的多目标选址路径模型。设计了扫描式非支配排序遗传算法,利用扫描算法去改良非支配排序遗传算法（NSGA-II）的初始种群解,最终通过模型数据求解验证,在以上模型的基础上,进一步考虑带有时间窗的选址路径规划问题,构建了考虑企业综合成本与时间惩罚成本的车辆路径规划模型,在同时考虑车辆载重与时间窗条件下,设计了插入式遗传算法,利用插入算法去改良遗传算法的初始种群,同时为了最大限度的保留父代的优秀信息,节选染色体中一条完整的路径作为交叉算子,最后运用合成的模型数据进行求解验证。