物流作为集现代运输、仓储管理、产品流通、加工、配送、客户服务以及信息网络于一体的综合服务业务，在国民经济和社会发展中发挥着重要作用。物流管理的关键在于决策，决策正确与否直接决定着物流企业能否生存、发展。目前我国的大多数物流企业在物流中心选址、仓储库存等方面的决策还处于初级阶段，仅依赖于传统的经验分析方法，物流管理效率低下，急需科学的物流决策支持系统对领导者进行决策支持。本课题在充分研究现代物流业的背景知识和目前先进的计算机技术后，设计和开发了基于Visual Studio.Net平台和数据挖掘技术的物流决策支持系统LDSS。LDSS针对整个物流行业的需求进行开发，采用稳定的多层结构实现，因此可以为大多数物流企业所用。LDSS为物流企业提供日常信息管理和决策支持两重功能。针对物流行业的特点，LDSS的信息管理功能分为客户信息管理、供货点信息管理、配送中心信息和仓储库存管理四大模块，各模块分别维护企业各部门的信息并为决策支持系统搜集数据。针对我国大多数物流企业在决策管理方面的落后状况，LDSS提供物流中心选址和仓储库存两个决策支持子系统。物流中心选址决策支持子系统采用了目前先进的数据挖掘技术——遗传算法实现。课题在对物流业进行深入研究后，结合物流业的特点，在编码、交叉率和适应度三个方面对基本的遗传算法进行了改进。在编码时，算法根据决策变量的性质采用混合并行编码方法；交叉时，算法采用的交叉率为相对遗传代数余弦下降的自适应交叉率；对适应度函数，算法利用改进罚函数法解除了配送中心选址模型的约束条件。基于C++语言，课题实现了改进后的遗传算法和基本的遗传算法，并进行了一系列的对比实验。实验证明，改进后的遗传算法在效率和精度上，都优于基本的遗传算法，因此能更有效地解决物流企业的配送中心选址问题。仓储库存决策支持子系统采用数据挖掘技术中的C4.5决策树算法实现，该算法原理简单、易于理解、计算量不大、速度快，结果容易转换成可理解性强的分类规则，并能最终给出适合高层管理人员理解的决策知识。一系列数据集上的测试结果表明，C4.5决策树算法确实能够很好的解决库存仓储决策问题。科学的物流决策支持系统在物流管理中有着极为重要的作用，它有利于提高物流决策的有效性，促进物流决策的科学化；有利于提高物流企业的管理水平，加速物流管理工作的现代化。