伴随着全球市场竞争的日趋激烈,传统的生产经营模式已经很难满足市场的需求。供应商管理库存(VMI)的库存管理模式就在市场激烈竞争的环境下得到了广泛的应用和快速的发展。又由于实际库存管理中VMI库存常常分布在多处,因此,企业需要对分布存储的库存进行集中化的管理。分布式VMI管理的主要策略手段是实现库存实时信息的彼此共享,而安全库存预测的高准确性又能够有效的减少库存管理的成本消耗。由于安全库存量受多种不确定因素影响,而且这些不确定因素和决策之间还存在着相当复杂的非线性关系,神经网络在解决复杂的非线性问题领域具有相对于其他方法所没有的独特优势。传统BP神经网络有一些缺陷如收敛速度慢、容易陷入局部最优等问题,而GA-BP神经网络相比较于传统的神经网络算法具有更稳定的建模模型、更多次数的达到预设目标、更少的拟合数据迭代步数、更快速地达到预设结果和更好的数据拟合效果。本论文研究了VMI分布式库存安全库存量的预测方法,对多种方法进行了详细分析,通过比较选取了GA-BP算法作为库存预测的方法。又考虑到实际库存管理中多以分布式库存模式设置库存点,而在分布式库存模式下不需要所有库存都达到安全库存量,允许个别库存达到零库存状态,这也就增加了影响安全库存量因素的不确定性。本论文对多种制约安全库存量的不确定因素进行了具体分析,并利用GA-BP算法对问题进行建模,通过实例说明该算法有很好的实用性。利用仿真技术进行分析预测,从而使得数据拟合程度有所提升,有效地提高了安全库存量预测的准确性。最后利用C#和Matlab的混合编程建立了VMI安全库存预测系统,该系统具体实现了GA-BP算法在VMl分布式库存管理模式下的应用,而且充分表现出了在分布式库存管理模式下制约因素的不确定性。