随着全球范围内食品安全事件的频频发生，食品安全现在正面临非常严峻的形式。从2005年开始，欧盟国家禁止进口未达到可追溯要求的食品，而在本国流通的食品则必须具备可追溯性。日本、澳大利亚、美国等国家相继出台了相应的法律法规政策，对食品的可追溯性做出了具体的要求和规定。实施食品可追溯体系既可以降低食品生产者因食品安全风险引发的成本，又能够增强消费者对食品安全消费的信心，因此对食品可追溯供应链的研究刻不容缓。(1)本文针对食品可追溯供应链体系中单个企业建模分析，通过隐马尔科夫模型能够根据已知状态推测出未知状态的特点，探索性地将其引入到食品可追溯体系中，使得企业的决策不再表现为静态的过程，而是表现为动态的、连续的过程，这样可以更清晰地分析出各因素对食品可追溯体系投资意愿的影响，为政府的决策更好的提供了依据。(2)对食品供应链中的多企业优化分析，针对非线性惯性权重动态调整粒子群算法容易陷入局部极值的问题，本文提出了一种带过滤机制的改进粒子群算法，该算法对初始种群中的不良粒子进行过滤，降低了种群陷入局部最优解的概率，同时加快了算法的收敛速度。(3)针对非线性惯性权重动态调整粒子群算法中算法参数繁琐、不易调整等问题，本文提出了一种带过滤机制收缩因子混沌粒子群算法，该算法通过对种群混沌初始化与混沌扰动，减小了寻优过程中算法陷入局部极值的概率，同时通过收缩因子提高了算法的收敛速度，改进后的算法面对复杂问题，尤其是多维多峰值函数的求解能力较强。(4)将改进的粒子群算法应用于可追溯系统合作伙伴选择多目标决策的求解中，可以缩短整个系统的反应时间、降低整个系统的总成本、增加整个系统的总产量以及提高整个系统的总满意度，有利于食品可追溯系统各主体在先后协同中实现收益最大化，提高全程食品可追溯共生链的竞争力，为政府决策提供了更好的理论依据。