近年来,随着电子商务和国际贸易的兴起,物流行业呈现井喷式的发展。为此,大量的基础设施需要建设,这类设施建设问题可以归纳为设施选址与能力规划问题（Facility Location and Capacity Planning Problem,FLCPP）,然而实际选址问题中存在很多不确定的情况,这使得决策在实践中更具挑战性。从目前的研究来看,随机仿真优化是解决随机不确定问题的一个有效方法,其中近年来出现的最优计算量分配方法（Optimal Computing Budget Allocation,OCBA）求解准确性最高且计算速度快,但是该仿真优化方法在实际应用和优势上还有待进一步研究和探索。因此,本文在考虑需求不确定情况下,建立了一个FLCPP模型,并且将传统数学规划思想和随机仿真优化思想结合,提出 了一个 C-OCB A（CPLEX with Optimal Computing Budget Allocation）方法对模型求解。具体的研究内容包括以下几个方面:1)问题建模。本文以跨境电商在国外建立物流基础设施为例,考虑客户需求的动态性和各国政策偏好的差异性这两种不确定情况对选址决策的影响,引入随机规划思想和偏好权重系数,建立了一个物流总成本最小的FLCPP模型,随后借鉴Monte Carlo思想,对该随机规划模型进行转化,将模型转化为一个可以直接采用CPLEX求解的线性规划模型。2)算法设计。提出C-OCBA算法,将CPLEX和OCBA的思想结合。仿真优化的思想是通过大量仿真结果的均值估计真实值,本文将转化后的FLCPP模型作为仿真模型,每阶段由于随机样本不同,求解的目标函数值也不同,根据目标函数值的均值和标准差确定下个阶段仿真资源分配方案,实现将仿真资源的大部分分配给至关重要的备选方案,提高仿真准确性和仿真效率。3)仿真实验。与平均分配法、方差比例法对比分析,实验结果表明本文提出的方法可以更好地解决模型中的问题,具有更高的仿真准确性和仿真效率,验证了 C-OCBA方法的有效性。随后分析C-OCBA参数对仿真结果的影响,结果表明参数的合理选择可以有效提高该方法的性能。本文提出的方法不仅可用于求解上述问题,对于其他FLCPPs,例如大规模候选方案和多目标优化问题等,提供了一种解决思路,具有一定的指导意义。