目前,由供应链中各实体组成的物流网络是相互交织且错综复杂的,即由供应商控制的上游地点（工厂和仓库）和由零售商控制的下游地点（分销中心和销售点）组成的多级分层网络结构。一旦确定了供应链中的上游和下游实体,那么库存补货和交付的方案也会随之确定。物流网络中各实体并没有达到通用互联的状态。然而,随着智能时代的到来,当前物流网络很难满足日益增长的客户服务水平。因此,为了提高企业动态库存补货和交付的服务水平,本文提出了在PI（Physical Internet,实物互联网）环境下的联合库存补货问题和考虑服务水平的动态交付问题,并分别设计相应的算法进行求解。本文的主要研究工作如下:（1）PI环境下企业动态库存补货问题研究。在PI环境下,各个PI枢纽之间具有互联、开放和共享的特点,每个补货订单的采购点不再是预先确定的,缺货的PI-枢纽或者零售商可以根据货源选择策略动态选择为其补货的供应商或PI-枢纽,本文提出了IB-EB（零散补货与梯队补货相结合）混合补货策略,应用粒子群优化算法求解出最小成本化的补货预案,再将多个补货预案带入模拟环境中确定最小成本基础上的补货量和再订购点。（2）PI环境下企业动态库存交付问题研究。本文提出,在PI环境下产品交付的过程中不仅仅由零售商对客户进行交付,而是将一天的需求水平划分成高、中、低三种等级需求水平,根据客户要求的响应时间动态的选择由零售商或者PI枢纽进行联合交付,并根据确定好的客户位置和需求量,应用聚类算法对客户点进行聚类和粒子群算法求解最小成本基础上的最短交付路径。（3）优化算法的提出及相关算法有效性的验证。针对PI环境下的库存补货问题,本文设计了仿真优化和粒子群算法相结合的求解方式,通过不断循环该算法求出最优补货参数和最小成本。对于交付问题,本文采用聚类和粒子群算法（C-PSO）相结合的方式求解交付的最短路径。并采用仿真实验证明算法有效性和可行性。本文中所有算法均在Python 2019环境中编码。实验表明,本文所提出的算法具有较好的求解性能。本文提出了 PI环境下的动态库存补货与交付问题,丰富了 PI环境下补货和交付问题的相关理论,确定了在混合补货策略下各货源选择策略的优缺点以及PI环境下的交付方案,对未来PI环境下供应链的设计有一定的参考价值和借鉴意义。