供应链管理是企业普遍采用的管理思想和方法，它通过优化商品的生产、加强信息共享、改善客户服务来提升整个企业的竞争力。然而随着电子商务和人工智能的发展，传统的供应链管理模式不能满足当今企业的需求。电子商务中，如何能使智能体（Agent）根据不同的经济形式来制定相应的策略，是电子商务领域的研究热点。交易智能体竞赛，简称TAC，是由卡耐基梅隆大学等学校联合主办，旨在模拟真实的市场行为，将目前人工智能的理论研究成果应用到现实的交易过程中。TAC/SCM是供应链管理平台，研究者可以将研究成果应用到该平台上，验证模型的有效性。本文围绕TAC/SCM平台设计了一种具有自适应、高竞争力的Agent模型，并提出了寄生PSO算法，有效解决了销售模块中约束优化的问题。首先本文分析了国内外供应链管理的研究现状，并且简要介绍了TAC平台的设计思想和比赛的规则，然后研究了反向拍卖机制、Agent理论和优化预测算法的相关理论。针对TAC平台的供应链管理竞赛，设计了HEU2012Agent模型，分析了各个模块的作用和之间的关系，并将HEU2012模型与参与TAC/SCM比赛的其它Agent进行比较试验，验证了模型的有效性。针对HEU2012模型中的销售模块的约束优化问题，提出了一种新的罚函数模型，并且根据生物寄生现象改进了基本的粒子群优化算法（PHPSO）。将PHPSO算法与SPSO，FDR-PSO算法在标准函数测试集上进行比较，实验表明PHPSO算法能更好的解决局部收敛问题。最后本文把优化的销售模块应用到模型里去，验证了其约束优化的有效性。