随着国家政策的推动、网络零售业的兴起、消费者消费水平的升级以及大数据、人工智能、物联网等技术的不断创新,生鲜电商行业迎来了快速发展的机遇。但是配送成本高、产品质量控制力不足、顾客服务体验差等问题也日益突出。对此,论文聚焦配送网点的选址优化问题,充分考虑客户价值和时间满意度,构建多目标规划模型,并设计改进算法,对案例企业进行分析,为生鲜电商企业或者服务于生鲜电商的物流企业提供方法和技术手段。论文首先分析了生鲜电商的配送现状及客户的需求特点,梳理了生鲜电商的发展情况,研究了生鲜电商的配送流程、配送模式,以及配送网点的类型、优缺点和适用范围,并分析了生鲜电商配送的需求特征。同时,考虑到生鲜电商行业正在逐步实现更加精细化的运营,通过客户关系管理来优化企业资源配置已成为行业的发展趋势,论文利用改进的RFM模型对评价生鲜电商客户价值的指标进行了确立,并借鉴熵值法和灰色聚类评价法构建了评价过程。考虑到配送时间是客户需求的关键因素,且对生鲜产品质量有较大影响,论文定义了客户时间满意度指标,并结合客户价值权重作为多目标选址模型的其中一个目标函数。同时分析了生鲜电商配送网点的建设成本、运输成本、能耗成本、货损成本,并以上述四种成本之和构成配送总成本,以总成本最小作为多目标选址模型的第二个目标函数,建立了完整的生鲜电商配送网点多目标选址模型。论文设计了一种改进的NSGA-Ⅱ算法来对该多目标选址模型进行求解,得到其Pareto最优解集。改进的NSGA-Ⅱ算法引入了多个种群同时进行最优解搜索,并增加了精英种群协同进化机制,保证了种群多样性的同时也避免了陷入局部最优解。最后,对M公司在成都市某商圈建设配送网点的实际案例进行了仿真分析,并与不考虑客户价值权重的多目标选址模型和采用传统NSGA-Ⅱ算法对模型求解的两种情况下得到的选址结果进行了对比分析,同时对改进算法进行了灵敏度分析。结果证明,考虑客户价值权重的配送网点多目标选址模型能使客户价值越高的客户获得相对更高的时间满意度,改进的NSGA-Ⅱ算法也能更好地得到Pareto最优的选址结果,验证了该模型和该算法对于解决生鲜电商配送网点选址问题的可行性和有效性,能帮助生鲜电商企业在降低配送总成本的同时,提高客户的时间满意度,为其长远发展奠定基础。