战略联盟作为企业缓解竞争日趋激烈的外部压力和满足企业自身发展内在要求的一种组织形式,在备受重视的同时,联盟的不稳定性和高失败率,使得企业在加入联盟时不得不权衡利益和风险。BP神经网络可以解决很多非线性的映射问题,能够准确的拟合联盟指标和联盟风险等级之间的映射关系,输入联盟风险指标数据,就能对联盟进行准确的风险评估。BP神经网络算法中,关键的信息都存储在权值和阈值中,这足以证明权值和阈值对整个网络有效运行的重要性,但传统的BP算法中,对权值和阈值的初始化都是随机的,这一方面降低了算法的效率,另一方面影响了算法结果的精度。本文主要采用理论和实证研究相结合的方法。首先分析并总结了物流企业战略联盟风险评估的相关理论,包括各种评估方法和它们的局限性。然后,基于个体狼的能力差异将狼群分为头狼、探狼和猛狼。狼群算法通过三种智能行为进行迭代寻优,头狼的选择和种群的更新减少了个体落入区域最优值的可能性,本文将信念学习模型和狼群算法结合,并使用改进WPS对BP神经网络的初始权值和阈值的优化进行研究。接着,通过应用新模型(WPS-BP)对函数拟合,将实验结果与原始的BP模型和GA-BP模型相比较,表明本文所提出的模型收敛速度更快、预测精度更高,最后,对物流战略联盟风险评估数据进行实例仿真,从而验证了该模型在物流战略联盟风险评估领域是适用的。