供应链管理可以使企业在多方面获得实在与潜在的收益，能够优化运行状况，所以关于供应链的研究一直是近些年来世界各国的一个重要研究热点。本文对遗传算法在供应链建模与优化中的应用研究，包括以下主要内容： (1)案例推理在供应商综合评价中的应用。在论述综合评价供应商的指标体系的基础上，将案例推理用于供应商综合评价中，并分别用遗传算法和粗糙集理论确定案例的属性权重。 (2)基于遗传算法的虚拟企业伙伴选择。当规定每个任务仅由一个候选企业完成时，将优化过程分为候选企业筛选和确定优化组合方案两步，给出了确定最优组合方案的算法。当规定每个任务可由多个候选企业共同完成时，采用理想点法将其转换为多个单目标问题，并应用双种群自适应遗传算法进行问题求解。在遗传过程中，每个种群的个体都根据适应度自动选择其交叉和变异概率，使个体对环境变化具有自适应调节能力；在一代遗传完成后，种群间交换优秀个体携带的遗传信息，以增加种群的多样性，避免陷入局部极值。 (3)遗传算法在供应商管理库存(VMI)中的应用。VMI是一种新的供应链库存管理方法。以包含一个制造商和一个零售商的两阶段的供应链模型为背景，研究了制造商占主导地位或双方完全合作环境下，VMI实施对制造商、零售商、供应链整体的收益、费用的影响；讨论了VMI条件下，一个供应商为处于不同区域的多个零售商的协同供货问题，建立了以供应商的总成本最小为目标的供应方案模型，并分别用启发式算法和遗传算法求解该模型。 (4)遗传算法在有保质期产品的订货策略中的应用。讨论了由一个制造商、一个零售商和保质期长度适中的产品构成的供应链，且产品的零售价格与产品的存储时间相关，由外部市场决定。当零售商所经销的产品只有一种时，针对产品的批发价有数量折扣和无数量折扣两种情况，用解析方法确定零售商的最优订货策略；当零售商所经销的产品有多种时，用遗传算法确定零售商的最优订货策略。 (5)遗传算法在逆向物流网络设计中的应用。逆向物流战略是企业强化其竞 争优势，增加顾客价值，提高其供应链整体绩效的重要手段之一。分析了逆向物流的构成、分类和实施逆向物流管理的意义，建立了产品回收逆向物流的两种回收网络模型，分别用启发式方法和遗传算法进行模型求解。