在我国物流业发展中，其中一个重要的问题是如何整合与优化分散的物流资源，提高资源的利用率。对于大型的物流资源网络，有效的任务调度与资源分配已经成为提高物流企业经营效率与效益的重要手段。在这个研究方向上，大型并行排队网络的动态随机负载平衡策略是实施网络资源组织与管理的一种重要方式，并且在供应链管理、生产制造系统、计算机网络、交通网络等领域中具有重要的应用前景。针对大型物流网络中的资源管理与任务调度问题，本论文提出了一种有效的数学建模与数值求解算法，给出了系统的稳态性能指标。利用尾巴方程和密度相依跳跃马尔可夫过程，我们建立了系统的无穷维非线性表示。当服务台数N→∞时，利用算子半群理论，我们提供了对应超市模型的马氏过程序列的平均场逼近技术，实现了超市模型的系统级渐进独立性。通过无穷维泛函的Lipschitz条件和Picard近似方法，我们证明了无穷维极限微分向量方程组具有唯一全局解。应用矩阵分析方法，我们提供了固定点和系统性能指标(包括稳态平均队长、任务平均逗留时间)的有效算法。基于上述技术，本论文研究了如下三类模型：基于马尔可夫到达与指数服务时间的超市模型；基于泊松输入与位相型服务时间分布的超市模型；基于马尔可夫到达与位相型服务时间分布的超市模型。针对每一类模型，我们提供了数值算例分析，讨论了固定点与系统性能指标的超指数结构。通过匹配自相关序列与变异系数，本论文用二阶马尔可夫到达过程逼近任意高阶马尔可夫到达过程，用二阶PH分布逼近一般服务时间分布，我们给出了这些超市模型的具体数值分析，并且将研究成果应用于实际物流系统。本论文揭示了动态随机负载平衡策略能够有效地改善系统性能、增加资源的利用率，本论文的研究成果为物流企业的资源配置与任务调度提供重要的理论支持，具有实际工程意义。