在不确定需求的条件下，供应计划的制定对于供应链上各个环节的每个企业主体都是十分重要的。一个合理可行的供应计划是企业取得成功的关键。 供应计划是一个多目标问题，它需要同时兼顾利润、成本和风险等多个指标，力求每项指标都能够达到最优的状况。同时，由于问题研究的前提取决于不可预知的市场需求，故供应计划又是一个不确定性的问题。这种不确定性，直接影响着企业最终所要关注的各项指标。通过建立多目标随机规划模型，能够非常好的刻画出供应计划问题在数学层面上的本质，使得通过此模型解出的结果更加科学，有效。 随机的需求是首先要解决的问题。本文引入了蒙特卡罗方法，根据符合一定概率分布的历史数据(数学期望，标准差和不同产品间的相关系数等)模拟出未来的市场需求量。这个问题解决的前提，是要得到[0,1]上的均匀随机数，进而求得满足模拟所得概率分布的相关随机数。模2w类伪随机数发生器自上世纪60年代提出后，取得了长足的发展。其中的MT算法，以其周期长、精度高、高维随机性能优良，得到了非常广泛的应用。本文也将使用这个算法，力求达到最佳的模拟效果。 传统上，对于多目标规划问题有不少经典的解法，但求解的效果都不是很理想，加之本问题还带有一定的随机性，更给问题的求解带来困难。于是，本文采用遗传算法来解决这个问题。应用蒙特卡罗方法，将利润、成本和机会损失的统计量作为适应值函数。文中提出了不同个体多个目标的比较策略，力求在利润最大化，成本和机会损失最小化的前提下，为决策者提供多种不同策略的选择方案。这有利于决策者做出最有利于企业的决定。本文充分考虑了初始种群的边界初始化和随机初始化，以及不同方案对计算结果可能产生的影响。边界上初始种群的获得比较复杂，它们是通过求得凸多面体所有极点来进行的。 在完成上述研究后，通过一个算例对算法进行了验证：对于不确定需求条件下的多目标供应计划问题，本文提出算法取得了比较好的结果。在对种群初始化两种策略的比较中可以看出，使用边界初始化能够取得更好的效果。同时，相对于只考虑利润和机会损失而言，成本的考虑对最终的结果有着比较大的影响。