随着城市的不断发展,人类的生活方式也发生了巨大的变化,人们更加依赖于物资的转移和配送,城市物流配送中心布局和选址是否合理,对于物资配送和配送中心充分发挥其功能和综合效益影响极大。优秀的物流配送中心选址可以加快产品的流通效率,给供需双方带来便利,促进物流社会化的建设,符合物流社会化大生产的发展规划,可以减少环境污染,降低能源浪费。有利于物资分配的科学化、合理化,有效降低物流成本,库存成本和购销成本,使资金流转顺畅,提高了资金的利用率。有利于人们对新技术的研究,提高工人的工作效率。有利于整体带动城市的经济发展,对相关产业起到推动作用,增加工程项目数量,增加就业岗位,给众多闲置的物资产品提供了市场,创造社会效益。因此,城市物流配送中心的选址具有极重要的意义。鉴于此,本文在对传统的选址模型进行仔细研读之后,又对近年来流行的智能算法进行了大量参考,通过定量分析选址的各种不同影响因素,提出了基于地理网格和极端学习机的新型选址模型。在进行实例模拟时,关于影响因素的两大难点就是路径问题和覆盖面积的确定,本文将采用地理网格的方法尝试解决这些难题。在MATLAB软件的编程环境下,通过对北京及周边配送中心的信息进行采集,通过本文提出的选址模型进行模型拟合,并以选址地点的年净利润作为最终决策因素。且将结果与基于径向基函数神经网络和广义回归神经网络的选址模型所产生的结果进行比较,体现出极端学习机的优越性。同时通过本文,期望能够为此类选址的方法拓展思路,开辟一种新的选址研究方法。