在当前充满竞争的商业环境下,物流配送服务与市场紧密结合,简单的物流配送服务已不能满足顾客的需求,特别是近年来机械、汽车等行业的快速发展,对相关的物流配送服务提出了新的要求,快速响应多个顾客需求、为顾客提供及时、高效和差异化的服务已经成为物流配送的基本要求。为了降低物流配送成本,提高顾客满意度,本文提出了基于顾客聚类的时依性物流配送模式,配送模式中包括顾客聚类和商品配送两部分,第一部分将顾客按照需求的不同属性予以划分和聚类;第二部分以顾客聚类为基础,根据不同顾客群组的属性,为每个顾客群组提供差异化的服务。首先,针对物流配送模式中快速响应顾客需求的目标,将混合模糊-分层聚类算法引入到顾客需求处理中。该方法先将顾客需求划分为几个相关的配送属性,然后利用混合模糊-分层聚类算法将顾客予以划分和聚类,在不同属性的顾客群组中提供及时和高效的配送服务。通过对顾客的聚类,提高了物流配送效率,实现了快速响应顾客需求的目标,同时为下一步的商品配送提供基础。其次,针对商品配送过程中降低供应端配送成本、提高需求端顾客满意度的要求,将商品配送划分为配送车辆指派和配送车辆路径规划两个子阶段,在这两个子阶段,综合考虑商品供应端和顾客需求端的目标,构建基于供应端和需求端的多目标函数。通过构建多目标函数,配送企业根据实际运行策略设置供应端和需求端的权重,实现降低供应端物流配送成本,提高需求端顾客满意度的要求。第三,针对传统配送模式在车辆路径规划时将在途车辆的运行成本视为固定值的问题,本文提出了时依性的车辆运行成本,将道路的实时交通情况划分为若干个高、低峰时段,车辆的运行速度为时间的线性函数,在途车辆的运行成本与其进入道路的时间点有关。通过对在途车辆运行成本的时依性处理,避免了车辆速度的突增和突减,使得规划的车辆配送路径更符合实际情况。第四,针对车辆路径规划模型的求解次数随问题规模增大而呈指数增加的问题,本文采用蚁群算法对车辆配送路径模型进行求解。蚁群算法具有正反馈、分布式计算和贪婪启发式搜索的特点,可以解决多维动态组合优化问题,降低求解时间。通过实例验证,本文提出的基于顾客聚类的时依性物流配送模式得到的配送策略比企业原来的配送策略有了明显的提高,具有较好的实际应用价值。