本文主要从模型的改进与算法求解两方面对供应链进行研究,主要研究内容如下:(1)分析了供应链网络结构,建立了单商品流下、确定需求的三层供应链网络模型,分别给出了制造商、零售商以及需求市场满足的最优化条件,进而得到整个供应链网络在均衡状态下需要满足的变分不等式.考虑到修正投影法严重依赖于Lipschitz常数、迭代步长、两次投影计算困难等缺点,用改进的粒子群优化算法进行求解,通过四个算例,将结果、收敛速度、求解精度与蜂群算法、标准粒子群算法、以及同步改变学习因子的粒子群优化算法进行比较与分析,验证了改进的粒子群优化算法在解决供应链网络均衡问题中的有效性与优越性.(2)考虑到在实际的生产需要中企业往往面对的是消费者需求随机、企业与企业间承诺交货时间,以及市场中商品多元化的因素,建立了随机需求下,制造商承诺交货时间的多商品流供应链网络模型,分别对制造商、零售商以及需求市场的相互决策条件进行了分析,从而得到该模型在均衡时满足的变分不等式.给出两个算例,通过改进的粒子群优化算法进行计算,并且将收敛速度,精度与其余三种算法进行对比分析,并且结果中验证了模型的合理性.