合理的库存管理，可以帮助企业以较低的成本获得较高的服务水平，大大提高企业的竞争力。企业在管理库存时，通常需要对多种物品向多个供应商或多个地点进行补货并采用联合补货方式，从而有效地减少年订购次数，通过联合运输降低运输成本，因此联合补货策略成为一种非常有效的成本控制手段。然而，联合补货模型已被证实为NP难问题，求解算法成为解决此类问题的关键之一。本文主要研究了几种随机性联合补货模型及其高效的求解算法设计问题。首先，针对现有模型求解方法的缺点，选择采用差分进化算法(DifferentialEvolution Algorithm, DE)进行求解，故设计了融合遗传算法优点的混合DE算法(Hybrid DE, HDE)，并通过4个标准测试函数测试其性能和效率。其次，设计了基于HDE的随机性联合补货模型求解算法。对比算例表明，HDE优于目前的最优方法，证实了HDE的有效性和稳定性，进而对相关参数进行敏感性分析。第三，研究了需求随机、允许缺货环境下多企业多产品联合补货与配送集成优化模型，设计了基于HDE的求解算法流程，对比算例与拓展算例证实HDE优于遗传算法、标准DE及目前最佳的启发式算法，该算法实现难度低，在精度、稳定性方面性能出众。最后，将随机性联合补货策略与配送协同优化单目标扩展为考虑总成本与缺货量最小的多目标优化模型，并给出线性加权和多目标演化算法两种求解方法，算例结果证实多目标演化算法在求解此问题上简便、高效。