本文针对物流管理中库存控制问题进行了模型分析和优化计算的研究。物流管理和库存控制已经成为现代企业管理中提高效率、降低成本的主要环节。文章首先讨论了供应链环境下库存控制在物流管理中的地位和作用，分析了库存控制需要解决的主要矛盾；然后应用代数Petri网对供应商管理库存(Vender Managed Inventory,VMI)的模式进行了建模研究；针对原始的粒子群优化算法和遗传算法存在的不足，分别提出了改进型算法，提高搜索速度和搜索精度；运用改进的优化算法对以库存成本为目标函数的批量计划问题进行了优化，通过优化结果的分析，得出了批量生产计划安排中加班、缺货和安全库存的存在条件。主要创新点包括： 研究了物流系统的代数描述方式，通过对VMI系统过程的分析，归纳出了VMI系统的语义描述，通过数据字典、数据流图和决策表实现的结构分析方法对VMI系统进行了结构分析，获得了VMI系统的代数描述； 首次将代数Petri网(Algebraic Petri Nets,APN)建模方法用于库存管理问题，归纳了一种用结构分析方法从非形式化的语义描述实现形式化的APN描述的过程程序，运用设计出来的VMI系统数据流图、数据字典和决策表以及作者提出的面向变迁的方法画出了VMI系统的APN，分析了VMI系统APN描述的运行规律； 对粒子群优化(Particle Swarm Optimization,PSO)算法提出了两类改进方案，针对PSO算法的早熟、局部极值点和收敛速度问题提出了增加速度和位置扰动的改进方法，针对多峰复杂函数的特点，引入了三种邻居拓扑关系来提高PSO算法中每个粒子收敛到极值点的速度，通过对几个标称函数的仿真试验，验证了改进型PSO算法的有效性； 在基本批量计划问题模型的基础上，通过引入缺货成本和安全库存成本的计算公式，建立了包含各类成本因素，适用于不同情况的批量计划问题的四类数学模型。其中包括包含加班成本的模型，包括缺货成本的模型，包括安全库存成本的模型以及包括综合成本的模型； 应用并行搜索优化算法中基于“联姻”的改进遗传算法和改进PSO算法对物流管理系统中考虑加班成本和缺货成本两个因素的数学模型表达的两类批量计划问题进行了优化搜索，得到了优化成本目标、生产计划安排、对应的库存量等数据结果，在算法的实现过程中分别给出了库存量平衡约束和能力平衡约束的实现策略，通过对搜索结果中工作能力需求情况的分析获得了安排加班生产和设置安全库存的判定条件。