物流作为实体经济运行的动脉系统,直接影响着经济运行的质量和效益。近年来,我国物流发展取得长足进步,有效地支撑了国民经济较快增长,但企业物流成本居高不下已经成为经济运行中的突出问题。社会物流总费用与GDP的比率从2012年的18%下降到2020年的14.7%,累计下降了3.3个百分点。2018年,社会物流总费用为13.3万亿元,同比增长9.8%,增速比上年同期提高0.7个百分点;社会物流总费用与GDP的比率为14.8%,比上年同期上升0.2个百分点;2018年全国社会物流总额为283.1万亿元,同比增长6.4%,增速比上年同期回落0.2个百分点,相比较可得:物流费用的增长幅度大于物流总额的增长幅度,简而言之就是物流的成本仍在不断提高。在此背景下,如何使得在客户满意和降低物流配送的成本方面达到一个平衡,就很值得研究。文章基于此,分别考虑了在不确定需求下可拆分配送和2级开放型的物流配送中心选址--车辆配送路径的优化问题。本文的研究内容主要包括以下几个方面:（1）通过参阅既有文献,首先,对配送中心选址--车辆配送路径问题和基于此的其他变体问题的国内外研究现状进行总结和述评;然后,基于此,在选址过程中考虑了配送中心选址之间的相互影响和相互约束,引入二次指派;最后,针对基于二次指派的选址问题,并结合二次指派的特点,提出基于熵收敛的改进的蚁群算法来进行求解。（2）考虑到在实际的物流配送中,存在很多不确定因素,导致客户的需求往往是随机的、不确定的;而且在客户需求随机情况下,尤其是客户需求量占比车辆容量相对较大时,如果此时客户订单不能进行拆分配送,那么车辆在配送时很可能会发生配送失败,甚至有时会发生多次配送失败,这无疑会增加物流配送的成本。为此,本文在研究对物流配送中心选址的同时对车辆配送路径进行优化,提出基于不确定需求下的客户订单考虑拆分配送的物流配送中心选址--车辆配送路径优化问题的数学模型,并兼顾需求点和配送中心不同的的利益诉求,建立多目标物流配送中心选址--车辆配送路径优化模型。同时,鉴于蚁群算法具有良好的并行性、正反馈、鲁棒性强等先天优越性,将非快速支配排序策略（NSGA-II）和具有二次指派特点的局部搜索策略引入蚁群算法,设计了求解多目标的非支配排序改进蚁群算法。（3）电子商务的出现,增加了供应商到个体顾客之间的货物量,尤其是在配送中心离顾客较远且需求密度较高的大城市中,当供应商或生厂商没有自己的车辆或者其能力不足以为所有客户提供服务时,此时为降低运输成本,就会产生由仓库--物流配送中心--客户形成的2级开放型物流配送中心选址--车辆配送路径问题。针对此问题的数学模型,采取混合启发式算法;并对初始解的构造分两个阶段进行构造,同时引入CW算法为每个配送中心提供所需的车辆,以及将客户分配给配送中心的车辆。最后采用Solomon算例部分数据对模型和算法进行验证。本文旨在对物流配送中心选址--车辆配送路径的运输资源配置问题进行研究,通过对客户的需求以及车辆配送路径的分析,建立符合人们在实际决策中的目标函数,兼顾各个决策者的心理偏好,为决策者在不同的物流配送背景下提供科学的决策依据。