联合补货是一种有效的补货策略,能够通过分摊主要订货成本来降低供应链的运作成本,在全球采购的背景下,面对高额的配送成本,联合补货策略的应用价值越来越高。作为库存领域的关键问题,联合补货策略与配送策略以及配送中心选址策略紧密相连,相互影响。因此,对上述策略进行集中优化,并设计高鲁棒性、高效率的求解算法,具有重要的理论和现实意义。本文围绕联合补货问题,协同供应链中的配送、选址策略,对其进行纵向扩展。结合已有研究和运作管理实际,分别构建了四种基于联合补货的协同优化模型。为了求解这四个NP-hard问题,设计了通用性高、易于实施的混合自适应差分进化算法。通过标准函数测试,验证了本文提出的混合自适应差分进化算法的有效性,为后续优化模型的求解提供方法上的支持。首先,针对异质物品联合运输时会因运输设备的限制产生额外费用的现实,构建了带分组约束的联合补货与配送协同优化模型。算例分析部分,首先通过特例(惩罚费用为0)对模型进行验证,再模拟现实运作(惩罚费用不为0)。12组问题分别随机生成10个问题对算法性能进行测试,算例结果证明混合自适应差分进化算法相比遗传算法在稳定性和鲁棒性方面具备更大的优势。其次,克服联合补货—配送优化问题中未考虑车辆路径的不足,构建了带车辆路径的联合补货与配送协同优化模型。两种规模的算例分析,验证了混合自适应差分进化算法的有效性；与独立配送下的问题的对比分析,说明当中心仓库与客户之间的距离相对于各个客户之间的距离相差不大时,独立配送的效果更好,反之,联合配送效果更好。第三,重构了通用性强的确定需求下基于联合补货策略的选址—库存优化模型,首次使用混合自适应差分进化算法求解模型。设计三种不同规模的随机算例,从求解质量、运算时间和收敛速度方面分析算法性能,验证了算法的有效性以及求解大规模问题的优势；参数敏感性分析的结果说明选址策略的变化会直接影响补货策略,反之影响甚微。最后,针对客户需求通常无法准确估计的现实,构建了随机需求下基于联合补货策略的选址—库存优化模型。在确定需求的基础上,扩大成本参数波动范围,进一步分析各种参数对决策的影响,为企业调节成本参数提供辅助支持。此外,为了分析联合补货策略的效果,对比分析独立补货策略下的优化模型,结果证明当配送中心数量大于1时,联合补货策略总是优于独立补货策略,企业叮根据联合补货策略下节约的成本幅度合理选择补货方式。