近些年,随着市场竞争日益激烈,越来越多的中小型物流企业参与到共同配送联盟中,以提高自己应对外部环境的竞争能力。要建立一个高效的共同配送联盟,需要解决许多问题,其中联盟收益分配和配送中心选址两个问题尤为重要。收益分配一直以来是众多企业面临的一个敏感话题,一个公平合理的收益分配机制是共同配送高效运作和持久存在的关键。而配送中心作为整个物流系统的关键节点,其选址恰当与否,直接关系到合作后的成本消耗状况,进而影响到共同配送收益分配问题。这些问题能否妥善解决将最终妨碍共同配送的开展。鉴于此,本文围绕共同配送中心选址及收益分配问题并结合改进的粒子群算法进行研究。鉴于配送中心选址和收益分配问题是两个不同性质的问题,针对不同的侧重点,所采用的粒子群算法改进方法也不一样。具体来说,本文主要的工作包括以下几个方面:(1)针对共同配送的特点,建立了基于“软时间窗”和“硬时间窗”的异产业共同配送选址模型,此模型扩大了适用范围,对解决合作过程中需兼顾各个顾客对配送时间不同要求的配送问题做一些积极的探索。由于此模型是一个多约束、多变量的非线性规划问题,提出了一种粒子群算法与禁忌搜索算法相结合的启发式算法,仿真实验结果表明将禁忌搜索算法放到基本粒子群算法后期克服了基本粒子群算法的易陷入局部最优,进而导致结果精度低和后期收敛速度慢的缺点。(2)针对常用的收益分配方法大都注重于直接分析最终收益如何分配,而没考虑到各成员企业在整个共同配送联盟运营过程中的表现,而且也忽略了时间因素对整个运营过程的影响,本文在收益分配过程中引入时间因素,并在模型中引入激励机制,以对方案的总体满意度和总体净收益为目标函数,建立多目标优化模型。由于多目标优化问题中多个目标一般存在相互冲突,致使不存在使所有目标同时达到最优的最优解,针对此情况,将粒子群算法和常用于处理多目标优化问题的Pareto方法相结合来求解收益分配的多目标优化模型,最后通过仿真表明该方法是有效的。