在竞争日益激烈的市场环境下，多品种、小批量生产方式已经成为生产方式的主流模式。随之而来的是企业原材料采购、产品制造、分销，到交付给最终用户的整个物流全过程的复杂程度也越来越高，物流配送也呈现出很多新的特点，如何在保持高度准时、快速配送要求下，降低企业的相关生产成本、物流运输成本及库存成本是物流配送面临的新挑战。本论文根据物流配送网络的特点，探讨网络图模型和遗传算法等应用于物流配送优化，以提高企业在配送决策时的科学性和决策效率。论文首先阐述了网络流模型的基本理论，网络流模型的起源以及几种常见的网络流模型，以及网络求解方法-遗传算法的基本原理等基本理论。针对继电器生产厂A公司产品配送网络的现状：原材料成本不断增加、客户需求的不确定性（临时订单）增加、需求品种的多样化、进口零部件的采购周期长等一系列问题，在现有配送网络的基础上，选取了A公司的三家供应商、A公司厦门工厂和A公司的三家销售公司为例，运用网络流的理论进行数学建模。考虑A公司三家供应商库存充足的情况下，运用该配送网络模型，分析计算了A公司厦门工厂及三家销售公司在出现缺货的可能情况下的总成本，具体包括厦门工厂的零部件产品补货成本、产品库存持有成本、产品缺货成本和产品制造成本；以及3家销售公司各自的产品补货成本、库存持有成本和缺货惩罚成本。以A公司配送网络中的物流均衡，配送网络整体成本最小化为目标，在Matlab平台上，基于M语言编程实现了针对相关成本参数的仿真优化程序，运用遗传算法和随机拟梯度算法对该网络流模型进行最优化迭代求解。在仿真前30代的基础上，代入制造商的相关成本进行了灵敏度分析，得出随着生产规模的不同，单位制造成本、单位缺货成本和单位持有成本对总成本的影响显著性明显不同。最后根据上述结论，按照不同产品需求规模对客户进行划分，给出了适应性的成本控制建议。通过本文的研究，不仅为A公司降低配送成本，而且为公司管理层在引进新产品、决定生产线类型以及配送方式决策时提供了理论依据，并对其它产品优化有积极的参考作用。