随着计算机优化技术的发展，分布式遗传算法得到诸多关注，其发展非常迅速。在分布式和并行计算模式上遗传算法可以显著提高优化效率，而且提出和改进的分布式遗传算法也很多。这些算法为解决函数优化、组合优化、生产调度和人工智能等方面的问题提供了解决方法和技术。但是，目前对分布式遗传算法的研究主要集中于种群的布局和管理，以及在关于分布式遗产算法的网络拓扑结构方面。分布式遗传算法不仅仅是为提高计算效率而突出分布式特点，也可以是对实际问题结构的分布式要求而构成优化算法的分布式特点。 本文提出了一个基于基因座迁移的分布式遗传算法(LI-DGA)，同时也利用移动Agent技术实现了LI-DGA算法的分布式环境的框架，并把这个框架应用于供应链系统的优化。本文的核心是LI-DGA及移动Agent框架以及框架在轻型供应链系统USC中的策略层面、技术和操作层面的优化。 本文的主要工作包括：1.提出了一种基于基因座迁移的分布式遗传算法。根据Messy遗传算法染色体结构可变的理论，通过设置这些不同结构的染色体于分布式环境，利用基因座的迁移，使这些染色体结构得到优化组合，构造新的染色体，从而得到问题的解。 2.给出了一种用移动Agent分布式环境来实现基因座迁移的分布式遗传算法的框架(MADGA引擎)。该框架利用移动Agent来模拟分布式遗传算法的元素和结构。3.给出了MADGA引擎在轻型供应链系统(USC系统)的优化应用。