现代物流业属于生产性服务业,是国家重点鼓励发展行业,作为国民经济产业,其融合了道路运输业、仓储业和信息业等多个产业,涉及领域广,吸纳就业人数多。对于企业而言,为了提高自己的竞争力,都在寻找一种适合自身发展的供应链管理策略,其中越库配送就是一种高效快速的调度策略。越库系统中根据货物是否具有互换性分为前分配模式和后分配模式。后分配模式能够缩短货物在配送中心的停留时间以及货车在配送中心的等待时间,所以能够为企业大幅降低时间成本和管理成本,提高系统运作效率。因此,本文研究在后分配模式下,如何进行仓门分配、车辆排序以及货物分配,以达到最小化完工时间和最小化货物在缓存区停留时间的目标。在后分配模式下,文章又根据车辆到达车场的情况将研究的问题分为车辆全到达模式和车辆非全到达模式:1)车辆全到达模式下的越库车辆调度。在这种模式下,入库货车和出库货车已在越库配送中心的车场停靠完毕,处于随时被调度的状态。入库货车和出库货车的卸货和装货过程不可中断,且货物有装卸顺序要求,但货物具有互换性;2)车辆非全到达模式下的越库车辆调度。在这种模式下,每辆入库货车都有一个到达越库配送中心的车场的时间点,越库车辆调度开始的时间不需要以所有车辆都已在车场停靠完毕为前提。入库货车和出库货车的卸货和装货过程不可中断,货物的装卸不考虑顺序要求,但货物具有互换性。针对第一种模式,首先分析问题的约束条件,建立问题的数学模型。然后设计遗传算法对问题进行求解,接着设计测试数据,并对算法的参数取不同的水平,通过C++语言开发的仿真程序进行数值实验仿真,并对结果进行分析。最后实验结果表明,在本文设计的测试数据下,当种群大小取200、300和400三个水平,交叉率取0.75、0.8和0.85三个水平,变异率取0.07、0.08和0.09三个水平时,总计27组参数的组合,在求得的结果中表现最好的是种群大小为300、交叉率为0.85和变异率为0.08的组合,在求得的结果中表现最差的是种群大小为200、交叉率为0.75和变异率为0.07的组合,而且通过进化曲线图可以发现遗传算法会较早的陷入局部最优的情况。针对第二种模式,首先分析问题的约束条件,并建立问题的数学模型,然后设计改进遗传算法和狼群算法对问题进行求解,接着设计测试数据,通过三组测试数据在C++语言开发的仿真程序上进行仿真,以对比狼群算法和改进遗传算法在求解精度和求解时间上的优劣性。最后实验结果表明,当问题的规模较小时,改进遗传算法和狼群算法在求解精度和求解时间上无明显差别,当面对大规模的问题时,狼群算法的求解精度比改进遗传算法高5%,求解时间低11%。因此,在面对大规模的问题时,狼群算法的表现优于改进遗传算法。