随着互联网的普及和消费者购买力的提升，电子商务模式从出现开始就获得了长足的发展，并且较为成熟。随着相关法律法规的不断完善和电子商务模式的不断探索，网络购物的一些弊端也显现出来。其中最为突出的问题是，部分消费者未能在购买商品前获取足够的商品信息，无法体验试用商品，购买到实际商品与消费者的预期不符，导致消费者满意度持续下降，购买体验感差。由此，线上线下相结合的新型电子商务模式应运而生。该模式有别于传统的电子商务，正在成为各大电商争相抢占的“新战场”。

与传统店铺不同的是，电子商务模式下的实体店一般仅为顾客提供体验，使顾客能够适用产品，而后在电商渠道购买，即通常所理解的OTO模式。这种模式能够提高转换率，提升线下体验和顾客满意度。电子商务实体店是这种模式中的核心环节。因此，为了以更少的实体店资金投入获得更大的竞争优势，确保得到更合适的顾客群体，实体店的选址问题尤为重要

运用遗传算法对电商实体店的选址进行优化有着传统优化方法所不能比拟的优势，比如遗传算法从问题解的串集开始搜索，而不是从单个解开始，覆盖面大，利于全局择优；遗传算法同时处理群体中的多个个体，即对搜索空间中的多个解进行评估，减少了陷入局部最优解的风险，同时算法本身易于实现并行化。因此，相比于其他传统选址优化方法，遗传算法能够更加简单，更加准确的对选址模型进行优化。

1.2国内外研究现状

近年来对于电商实体店选址问题的研究逐渐增多，研究范围更加广泛，研究内容也越来越深入。

李蕾^[1]（2015）将遗传算法结合计算机软件应用到物流中心的选址问题中，为解决大型物流中心选址问题提供了理论支持，并对选址当中的遗传算法进行了详细的描述；刘二超^[2]（2014）在《快递服务便利店选址问题研究》中提出基于点需求的多目标选址模型和基于面需求的多目标选址模型，得到的帕累托非支配解集后，采用基于逼近理想解排序的方法（TOPSIS）给出最优解，简化了多目标选址模型的优化方法，提升了动态模型的泛化能力；桥金友、朱胜杰、王春瑞^[5]（2015）提炼出22种选址方法并描述其基本模型，胡莹^[6]（2010）将MATLAB结合到遗传算法中，使遗传算法在求解过程中更加强大；ZAK·J和WEGLINSKIS^[13]（2014）把选址问题抽象成多个目标排序问题，将权重大的因子优先考虑。

2. 研究的基本内容与方案

2.1研究内容

(1)综述物流选址相关理论和方法