随着经营环境的竞争加剧和信息技术的不断进步,供应链管理已成为企业获得竞争的关键。供应链管理作为一种新的竞争形式,是随着物流管理的发展而产生的,主要涉及供应、生产计划、物流、需求四个领域。有效的供应链管理不仅可以实现企业成本的降低和效率的提高,而且可以实现客户服务水平的整体提升,使企业拥有持续的市场竞争力。特别是近年来电子商务的出现,为供应链管理带来了新的挑战。　　 本文以物流与供应链管理理论和方法为基础,运用支持向量机、模糊理论、智能优化算法等,对供应链管理中的供应商选择、物流配送车辆调度、物流服务顾客满意度及电子商务营销绩效等评价与优化问题进行了研究,提出了一些新的评价模型与优化方法。主要工作如下:　　 供应商选择：　　 针对以往方法对供应商选择时容易受主观影响的问题,给出了供应商选择指标体系并采用了模糊数学方法和二元对比排序法对选择指标进行了量化,建立了基于支持向量机的供应商选择模型。与传统方法相比,本文新方法得到的选择结果准确率更高。　　 车辆调度优化：　　 研究了供应链分销阶段的物流配送车辆调度优化问题,利用模糊聚类算法与Sweep算法的问题划分能力和暂态混沌神经网络算法的全局搜索能力,发展了两种快速且易于实现的混合启发式算法。两种新算法第一阶段分别采用基于模糊聚类的算法和Sweep算法将所有客户按车容量要求装车,第二阶段均使用基于暂态混沌神经网络的算法对每条路线排序。实例计算以及与其他算法的比较说明,两种新算法不仅运算速度快,且能够得到比较好的解,是求解多车调度问题的可行而高效的方法。采用禁忌搜索算法对上述两种混合算法得到的解进行改进以进一步提高算法的性能,提出了两种三阶段混合优化算法,三阶段混合算法分为路线划分、构造初始解和改进解三个阶段。为了比较车辆调度优化问题的四种混合算法的性能,对其时间复杂度进行了分析。通过对标准问题的计算表明四种算法都能够在较短的计算时间内取得良好的求解效果,且三阶段混合算法能够搜索到问题的近似最优解。　　 有时间窗车辆调度优化：　　 将粒子群优化和模拟退火方法相结合,提出一种求解有时间窗车辆调度优化问题的混合粒子群优化算法。该混合算法结合了粒子群优化算法的全局寻优能力和模拟退火算法的局部寻优能力,通过对标准问题的计算及与其他算法的比较说明,本文提出的混合粒子群算法具有计算速度快,求解效果好和易于执行的优点。　　 物流服务顾客满意度评价：　　 对于供应链分销阶段的物流服务问题,归纳了物流服务顾客满意度评价指标体系,通过构造各指标的模糊隶属函数对各指标进行了量化,采用支持向量机的一对一分类策略建立了评价模型。与神经网络和模糊综合评价法相比,本文方法得到的评价结果准确率更高。该模型的建立有助于企业对顾客的满意度作出一个客观而准确的评价,从而更全面地了解顾客服务信息。　　 电子商务营销绩效评价：　　 针对供应链管理环境下电子商务的营销绩效评价问题,归纳了指标体系的设计原则,提出了电子商务营销绩效评价指标体系,采用模糊隶属函数和二元对比法量化了指标体系,将量化后的指标体系作为支持向量机的输入建立了电子商务营销绩效评价模型。通过仿真实验说明了采用支持向量机建立模型的有效性,从而为电子商务营销状况提供了具有指导性和实用性的通用评价体系及评价方法。