选址与分配问题是研究如何对工厂选址及对顾客如何分配产品的问题.在实际的选址与分配问题中,输入参数往往带有模糊性,因此我们就要采用一种处理模糊性的理论工具来研究选址与分配问题.正是基于以上思想,本文采用可信性理论作为理论基础来研究选址与分配问题.首先,本文建立了两类两阶段模糊选址与分配模型—期望值选址与分配模型和最小风险选址与分配模型,并研究了模型第二阶段问题的一些性质.考虑到顾客需求是带有无限支撑的模糊变量,本文采用逼近方法将其转化为一个取有限值的离散模糊变量,并给出了基于逼近方法的计算期望补偿函数和可信性补偿函数的具体方法.最后,为了求解这两类模型,我们设计了结合逼近方法和粒子群算法的混合智能算法,并给出数值例子来验证算法的有效性.另外,本文还研究了简单整数补偿模糊规划的一些分析性质.本文的主要工作可以概括为以下四个方面：(i)建立了两类两阶段模糊选址与分配模型—期望值选址与分配模型和最小风险选址与分配模型,并研究了模型第二阶段问题的一些性质.(ii)基于逼近方法,给出了计算期望补偿函数和可信性补偿函数的具体方法,并讨论了转化后近似问题的目标函数与原问题目标函数的收敛性.(iii)设计了混合智能算法来求解两个近似的选址与分配模型,并给出数值例子来证明算法的有效性.(iv)研究了简单整补偿模糊规划的一些分析性质.