sta tese aborda questões críticas na logística urbana na China, incluindo baixa eficiência de distribuição e altos custos exacerbados por congestionamento de tráfego, mercadorias danificadas, atrasos no transporte e condições climáticas inesperadas. Para abordar esses desafios, o estudo integra o conceito de "cidades inteligentes" e propõe uma estratégia de transformação com foco em tecnologias-chave, como localização do centro de distribuição e otimização da rota de distribuição. Seu objetivo é usar otimização inteligente e integração de informações para melhorar a eficiência e reduzir custos. Este estudo compara o algoritmo aprimorado com o esquema existente por meio de análise empírica e aproveita algoritmos genéticos aprimorados para refinar esses processos de logística, especificamente para Xi'an Hema Fresh. O algoritmo simula seleção natural e variação genética, utilizando estratégias de reinicialização aleatória e retenção de elite, e confirma que a integração de conceitos de cidade inteligente e tecnologia de IA pode abordar desafios de forma eficaz, reduzindo custos, aumentando a eficiência e melhorando a qualidade do serviço. Isso não apenas prova a integração e otimização eficazes da tecnologia de cidade inteligente na logística urbana, mas também fornece experiência e estratégias valiosas para outras cidades ou regiões implementarem sistemas de logística inteligente. Este estudo valida o valor da aplicação e a viabilidade da aplicação de tecnologia inteligente em sistemas de logística urbana. Pesquisas futuras podem otimizar ainda mais o modelo e explorar cenários de aplicação mais práticos para promover o desenvolvimento eficiente e sustentável de sistemas de logística de cidades inteligentes.

This thesis addresses critical issues in urban logistics in China, including low distribution efficiency and high costs exacerbated by traffic congestion, damaged goods, transportation delays, and unexpected weather conditions. To address these challenges, the study integrates the concept of "smart cities" and proposes a transformation strategy focusing on key technologies such as distribution center location and distribution route optimization. Its purpose is to use intelligent optimization and information integration to improve efficiency and reduce costs. This study compares the improved algorithm with the existing scheme through empirical analysis, and leverages improved genetic algorithms to refine these logistics processes, specifically for Xi'an Hema Fresh. The algorithm simulates natural selection and genetic variation, utilizing random restart and elite retention strategies, and confirms that the integration of smart city concepts and AI technology can effectively address challenges, thereby reducing costs, increasing efficiency, and improving service quality. This not only proves the effective integration and optimization of smart city technology in urban logistics, but also provides valuable experience and strategies for other cities or regions to implement smart logistics systems. This study validates the application value and feasibility of applying intelligent technology in urban logistics systems. Future research can further optimize the model and explore more practical application scenarios to promote the efficient and sustainable development of smart city logistics systems.