移动支付和网络购物对银行现金业务的冲击大大增加了ATM现金管理的复杂度。银行希望在保障ATM服务水平的基础上降低现金投入,负责ATM运维的外包服务公司希望在达到银行目标基础上最小化运营成本。本文从行业实际场景出发,提出ATM加钞计划优化、配送路径优化、加钞与配送联合优化的解决方案,在降低运营成本(通过加钞任务数量、运钞车数量、总行车路程与时间等指标反映)和现金成本(通过ATM现金库存量反映)的基础上,提高ATM的服务水平(通过现金保障率反映)。在ATM加钞计划优化的研究中,ATM日用量预测模型考虑了缺少特征、季节性、节假日、异常值和空值等数据特点,误差分析表明预测误差不会对加钞产生显著影响。存取款型ATM的大量使用导致缺钞和满钞风险共存,建立了考虑安全库存上下限和加钞数量的特殊库存管理模型。数据实验表明模型可以节约成本并改善服务水平,通过为所有ATM设置通用关键参数实现银行和外包服务公司间的利益权衡。在ATM现金配送路径优化的研究中,构造了考虑任务与车辆时间窗、可变行驶时间等适合于运钞场景约束的车辆路径优化问题(VRP),并建立改进型人工蜂群算法进行求解。与传统型人工蜂群算法、模拟退火算法等相比,改进型人工蜂群算法收敛速度快,可以更好跳出局部最优解。数据实验表明模型可以优化运钞车的数量并充分利用运力资源。通过调整不同关键指标的权重实现对不同优化指标的权衡。最后,本文创新地提出联合优化ATM加钞与配送计划,进一步提高总体效率和服务水平。针对联合优化问题的巨大求解复杂度,采用两阶段法的思想进行求解。首先利用机器学习方法,根据ATM缺钞概率矩阵、地理位置之间的相似度和缺钞概率大小制定加钞计划,然后利用启发式算法求出各群体配送路线。模型思路更加符合银行和外包服务公司的实际诉求,数值实验不仅实现了通过调节参数来反映对不同目标的权衡,还对比了分开优化和联合优化在不同规模、不同需求强度下的效果优势,丰富了解决ATM加钞与配送优化问题的方法体系。