随着社会生产力的发展,市场竞争愈发的激烈,竞争的主体逐渐变成了供应链。对于管理者来说,提高供应链面临风险时的生存能力是其考虑其他问题的前提。以往基于复杂网络理论对供应链的研究,依据研究目标的不同大多将供应链网络分为物流网络、资金网络以及信息流网络,分别进行研究。然而,供应链是由资金流、信息流、物流三个要素构成,三者之间相互依存、相互影响,共同维持供应链系统的正常运转。在三者相互依存的系统中单独研究某一要素而不考虑另外两者的影响,研究的结果势必会产生一些偏差。本文基于此进行了一系列的研究:首先,基于多层网络模型创新性的构建了两层供应链网络模型,以物流网络与资金流网络为例,考虑两者在供应链运作过程中的协调对应关系,构建了物流网络与资金网络模型相互依赖的网络模型,从更加系统、完整的角度对供应链系统进行研究。在此基础上,研究了传统的单层物流网络模型和基于资金网络与物流网络相互依赖的网络模型之间鲁棒性的差别。其次,根据多层网络的层间相似性对于网络整体的鲁棒性存在影响这一发现,提出了基于边移除的两层供应链网络鲁棒性优化方法。并对其进行了仿真实验,发现移除连边来提升系统鲁棒性的方法存在临界点,并且基于连边权重的升序移除效果远好于降序移除。最后,为了提升资源的利用效率,将鲁棒性优化问题转化为运筹学中经典的背包问题,使用遗传算法以最小的代价来最大化提升供应链系统的鲁棒性。结果表明相较于单纯的按序移除,使用遗传算法不但提升了资源的利用效率以较少的资源实现了更为优秀的优化效果,还提升了优化策略的上限。本文以供应链管理理论、复杂网络理论以及启发式算法为基础,研究了供应链要素所构成的子系统对供应链系统整体的影响,并将这种影响量化分析,发现同时考虑两种要素得到的结论与以往的研究有所不同。在理论上本文考虑了供应链中资金流与物流的交互影响,构建了新的两层供应链网络模型,丰富了该领域的研究内容;并根据多层网络理论的相关研究,创新性地提出了基于边移除的网络鲁棒性优化策略,以做“减法”的方式实现了网络鲁棒性的优化。在实践上本文依据研究结果给出了管理学启示:通过适当减少供应链中小微企业的贷款,以降低供应链的额外收入为代价,可以显著提升供应链的风险的抵抗能力,这对于现实的供应链运营具有一定的指导意义。