选址与分配问题研究的是如何对设备(工厂)进行选址以及如何对顾客分配产品的问题,在实际物流生产中,工厂的运输费用或者顾客的需求往往具有不确定性,因此我们就要采用一种模糊理论来研究设备选址与分配问题。本文基于可信性理论提出两类新的设备选址模型：带有可信性服务水平的模糊单资源设备选址模型和带有VaR准则的模糊单资源设备选址模型,对于带有可信性服务水平的模糊单资源设备选址模型,当需求参数为相互独立的模糊变量时,模型可以转化为等价的确定规划问题,给定需求参数后,转化之后的模型就可以用标准优化软件进行求解。在带有VaR准则的模糊单资源设备选址模型中,当顾客需求参数为联合的多元正态模糊向量时,本文首先用逼近方法离散连续的模糊向量,把问题转化为大规模的带有逻辑约束的整数规划问题,根据模型特征,设计了遗传算法来求解。为了说明这两类模型的建模思想和算法的有效性,本文分别给出了数值例子,并对求解结果进行了分析。本文的主要工作可以概括为以下四个方面：(1)建立了两类新的设备选址与分配模型：带有可信性服务水平的模糊单资源设备选址模型和带有VaR准则的模糊单资源设备选址模型。(2)在带有可信性服务水平的模糊单资源设备选址模型中,当顾客的需求为相互独立的模糊变量时,将原模型转化为等价的确定规划模型,进而用标准优化软件求解。(3)在带有VaR准则的模糊单资源设备选址模型中,当顾客需求为联合多元正态模糊向量时,根据逼近方法将原模型转化为带有逻辑约束的混合整数规划模型,并设计了遗传算法进行求解。(4)针对两类模型分别给出了数值例子来说明建模思想和算法的有效性。