在经济全球化的今天，供应链的管理越来越成为企业发展的重要因素，而决策者需要对自己所做的决策从计算数据中寻找支持并进行风险分析，从而达到供应链的最优配比。在整个过程中贯穿始终的是多目标非线性优化问题，而解决此种问题的关键在于群智能算法的运用。群智能理论研究领域主要有两种算法：蚁群算法和粒子群优化算法。这样，在通过进化算法得到Pareto解集后需要对其运用模糊决策理论进行进一步寻优，从而得到模糊的决策变量和风险隶属度以帮助决策者进行决断。 本文阐述了供应链系统的概念和基本结构，并建立了一个基于实际的涉及生产、运输和存储的供应链数学模型，采用了成本、柔性、承诺产品时间作为评价指标。针对多目标有约束供应链优化问题，本文又提出了一种改进的在连续空间内进行寻优的改进蚂蚁算法(IFDAA)。本算法运用解的不可行度选择种群并作为种群淘汰标准，建立了在连续空间上的蚂蚁算法寻优方式且运用小生境技术对蚂蚁信息素进行筛选，使得其在多个矛盾目标的寻优上能够更快的逼近Perato前沿。在算法得出可行解集后再运用模糊优化原理进行下一步筛选，并提供隶属度分析和风险预测，从而为决策者提供决策库支持。 本文的创新性在于： 1)将群智能与现实的多目标供应链系统整合起来并设计了一种新的进化蚂蚁算法以适应现实问题，并体现出了良好的拟合结果。 2)将模糊决策的概念应用到最优解筛选中，并将风险分析的决策过程结合入模糊优化中，为基于供应链系统的ERP(Enterprise Resource Planning)系统设计提供了一个新的方向。