随着我国互联网技术和电子商务的快速发展,线上购物已经被广泛接受并成为国民生活的重要组成部分,进而导致以货物运输为主的物流配送需求急剧增加。商品配送处于现代物流网络中所占成本比例最高且运营效率最低的一环,已经成为约束物流行业进一步发展的瓶颈。与此同时,消费者对物流配送需求的服务水平不断提高,如送达及时性和服务同步性等要求越来越高,这将进一步影响消费者对物流配送的满意程度,进而影响到物流配送企业的效益。因此,本文旨在通过对两级多周期物流配送网络选址-路径优化问题研究,在多周期物流网络框架下进行周期性的选址决策和车辆路径优化,并通过资源共享策略优化运输资源配置,进而提高物流配送网络的运营效率和减低物流运营成本以及提高客户服务满意度。本文的研究内容如下:（1）基于资源共享和时间窗的两级物流配送网络选址-路径问题研究（2ELRPTWTRS）,通过选择设施位置和优化两级车辆路线来解决具有时间窗和运输资源共享的两级选址-路径问题。基于物流设施和客户的地理分布和服务时间窗口,所提出的优化解决方案提高了物流网络的效率。通过在不同的物流设施内部和之间实行车辆资源共享策略,可以最大限度地利用资源。2E-LRPTWTRS被制定为一个以最小化车辆数量和总运营成本为目标函数的双目标数学优化模型。针对2ELRPTWTRS优化,提出了一种由K-means聚类和扩展多目标粒子群优化算法组成的两阶段混合算法。在迭代过程中引入了参数的自适应机制,以平衡粒子的演化,提高两阶段混合算法的效率。此外,使用20个小规模实例与多目标遗传算法和非支配排序遗传算法进行算法比较,结果证明了该算法在优化物流网络方面的优越性。以重庆2E-LRPTWTRS实际案例对提出的优化模型和混合算法进行了测试,优化结果验证了所开发模型和算法在提高物流效率、降低运营成本、节约成本方面的积极作用两级物流网络运营中的运输资源。（2）两级多周期物流配送网络选址-路径问题研究（2E-MPLRP）,其中涉及设施位置选择和两级车辆路径优化。对应物流设施和客户的周期性时间特性,最优方案在规划周期的每个服务周期内同时提供周期性的选址决策和车辆路径方案。在日益强调可持续发展的背景下,通过实现跨多个服务周期的资源共享来调整运输资源配置,以最大限度地利用资源。此外,构建了一个双目标数学模型来制定2EMPLRP,以实现总运营成本和车辆数量的最小化。针对2E-MPLRP优化模型,提出了一种包括三维（3D）K-means聚类和多目标改进粒子群优化（MOIPSO）算法的两阶段混合算法。采用3D K-means聚类算法将客户分配到配送中心以在多个服务周期内接受服务,然后设计MOIPSO算法来优化车辆路线并找到帕累托最优解。通过在迭代过程中结合外部存储库策略和快速减少的变异策略,所提出的混合算法在扩展粒子搜索区域和实现稳健的最优结果方面表现良好。另外,通过算法比较证明了所提出的混合算法优于其他现有算法的优越性。最后,以中国重庆为例进行了实际案例研究,结果表明,所提出的模型和算法在最大限度地降低运营成本、提高运输效率、促进两级物流网络的可持续运营方面具有实际意义。本文所提出的两级多周期物流配送网络选址-路径优化问题研究,使物流配送企业在增加企业运营效率和降低配送调度成本之间实现了有效平衡。周期性的选址和车辆路径优化,以及资源共享策略的提出,提高了包括物流设施和配送车辆在内的资源利用效率,进而促进了物流配送设施的多周期有效协同共享。与此同时,大数据、云计算、区块链等各种新兴技术给物流行业带来了巨大的挑战和发展机遇,一方面,新技术的应用可以促进物流信息的收集和运营策略的灵活调整。另一方面,新技术的运用也增加了物流企业间的信息交互,同时也加剧了物流企业间的竞争程度。随着新技术的应用的普及,物流企业需要及时调整运营策略,并优化调整物流配网络,实现与信息化背景下市场经济运行的良好匹配。因此,本文研究的两级多周期物流配送网络选址-路径优化问题可以更好的应对不断变化的市场环境,并可通过调整物流配送网络运营方式（不同周期选择不同的设施服务）,进一步增强物流配送企业竞争力,进而促进当前物流配送行业的健康可持续发展。