随着信息化时代的到来，公司、企业越来越认可库存管理的重要性。目前对库存管理优化的研究主要集中在对成本这一单目标的优化。这种研究方法虽然降低了企业的库存成本，但忽略了其它因素，已经不能满足现代企业的要求。　　 因此，本文在综合考虑利润和成本两目标的基础上，建立了基于企业库存管理的多目标优化模型。该模型从实际库存货物管理的方式确定优化决策分量，通过数学的方法确定利润函数，从而建立了库存多目标模型。　　 并行选择遗传算法是一种求解多目标问题的算法，该算法具有较高的执行效率，较小的计算复杂度，较强的稳定性等特点。但是在实际的算法应用中需要将交叉和变异概率首先固定下来。对于一个确定问题在没有先验知识的情况下很难找到一个合适的交叉和变异概率。针对于此，本文在并行选择遗传算法的基础上引入了自适应调整交叉和变异概率的方法。这种方法是根据个体的适应度值与当代种群的平均适应度函数值的比较结果来确定交叉和变异概率。在该方法中，当个体适应度值大于等于平均适应度值时采用较小的交叉和变异概率，反之，则采用较大的交叉和变异概率。这样保证了优秀个体尽可能多的遗传到下一代。　　 其次，本文将改进后的并行选择遗传算法应用到库存多目标模型的优化。一方面，通过优化结果与库存实际数据的比较，验证了该模型及算法的实用性；另一方面，通过并行选择遗传算法与改进后的并行选择遗传算法针对库存多目标模型求解结果的对比分析，验证了该算法的有效性。最后，本文介绍了如何将该理论研究成果运用到实践中，并进行了系统实现。