随着大数据时代的到来,人们的生活水平和生活方式都得到了巨大的改变,人们对服务行业的服务水平的要求也越来越高,客户的个性化需求与私人订制已经成为当下研究的热点问题。物流服务业是服务行业的核心企业,优化物流服务供应网络,选择合适的合作伙伴,提高客户的满意度,合理分配任务是目前国内外研究的重点。本文在大数据背景下,以物流供应网络优化为研究对象,针对客户的个性化需求及用户行为分析的物流供应网络的任务分配优化问题进行了研究,提高了客户的满意度及企业在大数据时代的竞争力和效益。本文首先对大数据分析与挖掘技术的相关理论方法、内涵特征及结构进行了详细的阐述。研究了大数据背景下客户的个性化需求与用户行为规律的相关理论和数据挖掘方法,基于客户的网上数据和位置数据来分析客户的潜在兴趣及行为规律。其次,分析了用户的个性化需求对物流供应网络的影响,并对物流供应网络和物流服务供应链的基本理论和模型的构建进行了详细的阐述。在大数据背景下基于用户的位置数据,分析用户的行为规律来预测用户的最佳配送时间,构造功能提供商对客户吸引力决策表达式,建立以物流服务集成商最小化服务成本为目标的三级物流服务供应链的订单分配优化模型。采用遗传算法求解并仿真,验证了模型的有效性。最后,针对考虑客户的个性化需求的物流供应网络优化问题,提出了两种产品情况下的客户的个性化需求和基于客户评分数据预测客户潜在需求的两种决策表示方法,并将预测结果引入到多级物流网络优化的设计模型中。以整个物流供应链网络的服务成本、库存成本、运输成本的总和为优化目标,构建带有配送能力、库存能力和客户最佳配送时间约束的多级物流供应网络优化模型。根据模型的特点,分别采用聚类与遗传算法、Apriori与遗传相结合的算法来求解。仿真结果表明,不同情况下选择不同的客户需求的决策方法是提高物流网络服务水平有效且可行的方法。本文将客户的行为规律分析和客户的个性化需求分析引入到物流服务供应链和物流网络优化模型设计,有助于提高了客户的满意度及客户的服务水平,也能更好的帮助企业管理者及时的了解客户的潜在兴趣,从而帮助决策者更好的管理物流服务企业。