随着经济全球化和信息时代的到来，供应链中的企业已不能只靠自身的能力和资源快速响应客户不确定需求。为了提高核心竞争力，供应链企业间必须依靠联合协作，共同面对挑战。在供应链协同中，库存协同扮演着重要的角色，对库存协同的研究，将更好的帮助企业减少成本，提高效率，使得收益最大化。　　 在客户需求不确定环境下，库存成本的计算较为困难，传统的研究中大都使用平均需求来简化计算，这使得结果较为理想化，难以符合实际。也有些研究虽然不使用平均需求，但是要对需求做一些限制，使得结果适用范围受到限制。本文提出了一种基于蒙特卡洛模拟的方法，很好的解决了库存成本计算的问题。方法对需求不作限制，通用性强，可扩展性好，能灵活处理各种情况。　　 为了求解最佳的库存协同决策，本文使用三类启发式算法：遗传算法、差分进化和粒子群算法。遗传算法在供应链协同决策中使用广泛，研究较多；而其他两类算法的研究则相对较少。本文全面对比了三类算法的求解效果，结合实验数据对结果进行了分析。结果显示，粒子群算法在求解本文的供应链库存协同决策问题时，具有显著的效果。算法求解精度高，收敛速度快，实现简单，计算开销小。本文的研究，为探索这些算法在供应链协同领域的应用，做出了一定的贡献。