在当前的市场环境中,企业通常会通过融入供应链来参与到市场竞争之中。而在整个供应链管理过程中,作为“第三利润源泉”的物流管理尤其受到企业界和学术界的重视。在传统的物流管理中,对于库存的管理往往会采用零售商管理库存模式,在该模式下不可避免的会出现随着供应层级的增加需求信息被逐渐放大的现象,即牛鞭效应(Bull Whip Effect),这种现象导致供应链各层的库存量增加、成本升高。为了解决上述问题,学者们提出了另外一种供应商管理库存(Vendor Managed Inventory, VMI)的管理模式。VMI模式以系统的、集成的思想进行库存管理,从而有效地解决了牛鞭效应。但对于供应商而言,如何同时对物流环节中最为重要的配送和库存管理做出更有效率的决策则成为成功实施VMI必须要解决的问题。库存一路径问题([nventory Routing Problem, IRP)就是在如何协调优化配送和库存这两个物流环节的现实需求推动下成为热点的研究领域。IRP是典型的NP-hard问题,尤其在需求不确定情况下,对于决策者的挑战更大。在已有的IRP问题研究中,大部分都是在确定性需求的假设下进行的,然而企业所面对的实际需求往往都是随机变化的,这就使得对随机需求库存-路径问题(StochasticDemand Inventory Routing Problem, SDIRP)的研究成为迫切需要。本文根据配送的方式的不同,将SDIRP问题分为四类进行研究,即基于直接配送策略下的随机需求库存-路径问题(Stochastic Demand Inventory Routing Problem with Direct Deliveries, SDIRPDD)、无车辆配送能力限制的SDIRP问题、基于固定分区策略(Fixed PartitionPolicy, FPP)下的SDIRP问题以及一般结构的SDIRP问题。主要研究内容如下：第1章首先对IRP问题的研究背景及意义进行了分析,给出了IRP问题一般的数学表达形式,分析了IRP问题与车辆路径问题(Veichle Routing Problem,VRP)的差异。进而根据IRP问题自身的特点对其进行了分类,并依据需求特征、配送方法、求解算法等特点对现有的文献进行了综述,在总结前人研究结论的基础上分析了IRP问题现有研究中存在的不足,同时给出了本文的研究思路和主要研究工作。第2章对SDIRPDD问题进行了研究,首先证明了分别在无约束、存在车辆数约束以及同时存在上述两类约束情况下SDIRPDD问题最优平稳策略形式为(s,S)结构,并给出了相应的算法。其次,通过具体数值算例将采用上述算法得到的最优策略与一类常用策略进行了对比,验证了算法的有效性。最后,利用该算法对直接配送物流系统中配送车辆的数量进行了一定的分析。第3章以一类客户需求相对配送车辆能力而言很小情况下的SDIRP问题为研究对象,在一定条件下证明了该问题的最优库存策略形式为与SDIRPDD问题最优策略类似的(st,St)结构,并给出了该最优策略中各参数的上、下界。在此基础上,设计了两种启发式算法对该问题进行了优化。最后,通过具体数值算例,将通过上述两种算法得到的优化策略与固定配送路径策略进行了比较,在验证了算法有效性的同时也对上述固定配送路径策略在解决SDIRP问题时的适用条件进行了分析。第4章考虑了FPP策略下分别采用周期性和连续性补货策略的两类SDIRP问题。针对上述两种情况设计了相应的客户分区算法,证明了客户对应的最优库存策略分别为(T,S)和修正的(s,S)结构,给出了求解上述两类SDIRP问题的启发式算法,并通过算例分析了不同分区算法在解决FPP下SDIRP问题时的效率。并在此基础上,根据第3章的相关结论研究了一类客户分区下采用动态路径策略的SDIRP问题。第5章对一般结构下的SDIRP问题进行了研究,设计了一类基于(s,S)库存策略和修正C-W节约算法的启发式分解算法。该算法将SDIRP解为SDIRPDD和VRP两个相互影响的子问题,在SDIRPDD子问题上应用第2章的结论得到了属于平稳策略类的库存方案；同时在VRP子问题上又提出了修正的C-W节约算法。最后,文章在此算法的基础上提出了一种改进算法,以求解具有时间窗约束的SDIRP问题并通过算例验证了上述两个算法的有效性。结论部分对论文全文进行了总结,并指出了进一步的研究方向。