近年来,受到电商的冲击,实体经济寻求转型升级。而携带互联网创新基因的电商行业更是不固步自封,积极拥抱实体经济。打破线上与线下销售渠道的堡垒,实现互补融合,并向消费者提供一致化、全方位的产品服务成为分销企业发展的一种新趋势。在学术上,这种模式亦被称为“全渠道”销售模式。然而这些企业也在探索道路遇到了诸多管理上的挑战,其中也包括本文重点关注的供应链配置方面。纵观已有的全渠道供应链研究,虽然关于库存优化配置的研究已有不少,但是考虑在多分销层级、多网络节点、多参与主体三大典型特点下的全渠道复杂分销网络中实现线上线下库存与多级分销路径集成优化配置的研究仍旧很少。而上述三个特点恰恰是现实中构成企业在低成本运作下提供高质量服务所需面临的供应链配置上的关键挑战。因此,为了弥补现有研究的空白,协助企业更好完成线上与线下渠道的融合,本文针对典型的全渠道销售模式下多级分销网络展开一系列相关研究。首先,为了协助企业在多层级多节点的全渠道复杂分销网络中实现定量化“库存—路径”集成优化配置,本文在现有多级库存系统模型基础上进行了拓展,构建了面向全渠道多级分销网络的多周期库存路径集成优化配置AIO(All-in-one)数学模型。其次,为了应对分销网络多主体导致的跨主体优化配置协调难的问题,本文引入多学科设计优化中的目标级联法(Analytical Target Cascading,ATC)对模型进行分解,构建分布式集成优化配置模型。再次,结合分销网络本身多层级多节点与所处高动态商业环境分别导致的库存路径优化配置问题求解难度系数大与求解实时要求高的特点,基于智能优化算法中的混合遗传粒子群算法,分别改进与设计了集中式和分布式全渠道多级分销网络库存路径集成优化配置问题的两种求解策略。最后,本文通过两个仿真实例对遗传算法、粒子群算法、混合遗传粒子群算法的性能进行了对比实验与分析,对算法和模型上的关键参数进行单因素控制变量法实验与分析。研究结果表明,在算法方面,使用混合遗传粒子群算法既可得到与遗传算法相近的高质量解也能享受粒子群算法的快速收敛特征而降低运行时间。通过提高遗传算法迭代次数在串行式混合遗传粒子群算法中总迭代次数占比与交叉概率可以持续提高解的质量,因为它们对解的质量影响为线性的。然而变异概率、学习因子、惯性权重三项算法关键参数对解的质量产生的影响为非线性的,需要在实际应用中通过调参进行优化。在管理方面,本文发现全渠道销售模式下的多级分销网络在物流成本上明显优于传统的双渠道销售模式。与此同时全网络可配置的“库存—路径”赋予了全渠道多级分销网络柔性分销能力,使得其可通过向上游聚拢的配置线上库存缓解产品需求不确定性高导致的高库存成本问题,可在产品需求不确定性低时向下游分散的配置线上库存抵制高线上配送成本。