联合补充问题(Joint Replenishment Problem,JRP)是在多产品库存补充问题中确定每种产品的订货批量大小及订货周期，从而在满足确定需求的前提下最小化单位时间内的总成本。在传统的联合补充问题模型中，研究者都假定质量完好且需求为常数，然后根据要求确定订货批量及订货周期。但在实际生活中，由于需求、成本等因素会受到市场环境及外界因素的影响，且物品本身具有的易变质等性质，导致各种难以预料的波动，无法根据历史数据推测出具体的精确值，不确定因素即存在于联合补充问题中，因此在研究联合补充问题时由于外在或内在原因造成的不确定因素是不可忽视的。本文首先研究了需求和资源约束条件为模糊量的联合补充问题模型，其中模糊需求和模糊资金约束分别用梯形模糊数和三角模糊数进行描述，引入了模糊集理论相关知识，建立了联合补充问题的模糊期望值模型，目标函数为最小化产品的总成本。采用遗传算法与模糊模拟技术相结合的混合智能算法进行求解，用数值实例验证了本文提出的模糊期望值模型及求解算法，并对转化为清晰模型与西弗算法组合求解结果进行了对比分析，通过数值实例对算法的有效性进行了验证。其次，研究了联合补充问题扩展后的模糊多资源约束联合补充问题，构建模糊多约束联合补充问题模型，资金和存储空间用三角模糊数进行描述，并利用较为经典的优化算法------遗传算法对模型进行求解，通过实例对算法的有效性进行验证。最后，设计了库存管理系统，在该系统中对模糊性的联合补充问题模型进行应用验证其可行性。