物流产业的发展程度是衡量一个国家综合国力和现代化水平的重要标志之一，在国际上被认为是国民经济发展的基础产业和经济发展的推动器。众所周知“第一利润源泉”是降低资源消耗，而“第二利用源泉”则是提高劳动生产率，美国经济学家认为物流是降低成本的最后边界，可以被称作是“第三利润源泉”，拥有巨大的挖掘空间。随着计算机信息技术的发展,商品交易的时间和空间被缩短了,物流需求的地理分布也不断扩大,高效的物流系统是提高企业效率和竞争力的一个非常重要的因素。随着计算机信息技术的发展,商品交易的时间和空间被缩短了,物流需求的地理分布也不断扩大,高效的物流系统是提高企业效率和竞争力的一个非常重要的因素。现代化的物流系统要求综合考虑影响物流成本的相关因素，以最低的成本、最优质的服务满足每个顾客的需求。传统的物流系统已不能满足人们对现代化物流高效、快速的要求。所以一个高效的物流系统对提高企业经济效益、实现物流科学化是一项重要战略，作为物流系统优化中的关键环节——定位-路径规划问题(Location Routing Problem, LRP)是目前亟待解决的问题。因此本文对LRP模型及算法进行了研究。以往的LRP问题研究目标主要是考虑物流成本最低，而现代化的物流不仅仅是考虑物流成本最低，还要考虑配送中心的服务质量和客户的满意度，而客户的满意度主要体现在送货的快速、准时，即就是要考虑客户对送货时间的限制。因此论文以传统时间窗限制下的LRP模型为基础，分析LRP成本函数，如车辆配送中的运输成本、开放的配送中心运营成本、违反顾客需求时间窗所造成的惩罚成本等。把物流成本与顾客对送货的时间限制同时作为目标函数进行优化，以各项成本的总和最小为目标，构建了带可变软时间窗的定位-路径规划(Location Routing Problem with Changeable Soft TimeWindows LRPCSTW)模型。本文基于客户满意度的表现为准时足额配货，研究了一类带可变软时间窗的定位-路径规划(LRPCSTW)模型。LRPCSTW是传统LRP的一种变型，可变软时间窗是指顾客对服务时间的限制是一个时间段，且不同顾客对时间窗的要求不相同。由于LRP是典型的NP-难问题，目前LRP的求解方法大多基于两阶段的思路，即将LRP问题看成两个子问题:定位问题(Location Allocation Problem, LAP)、车辆路线问题(Vehicle RoutingProblem, VRP)。先解决定位问题，之后把其结果作为车辆路线问题的输入再进行求解。但子问题达到最优不一定能保证整体的最优性，这样的处理方式显然未能体现LRP的整体性。为此，文章在充分考虑LRP整体性的基础上。给出了基于一阶段求解LRPCSTW问题的带交换子、交换序及双变异算子的改进粒子群算法，即交换子双变异粒子群优化算法(Particle Swarm Optimization with Swap Operation and Double Mutation,PSOSODW)。根据问题的特殊性PSOSODW采用整数编码方式，为提高种群的多样性，避免算法陷入局部最优，按一定的概率对粒子进行双变异操作，即对配送中心定位子段进行对换变异操作，对车辆路径子段进行倒位变异操作。最后通过实验证明了本文算法具有很好的可行性、稳定性和有效性。运用MATLAB(2008a)编程实现LRPCSTW的交换子双变异粒子群优化算法(PSOSODW)，并给出了该物流系统配送路径的可视化。本文的模型及算法可以直接作为GIS物流系统二次开发的一个模块，为基于GIS的物流系统设计提供了一种全的新思路，对集成化物流配送系统的管理提供了非常好的决策支持。