近年来电子商务突飞猛进,B2C电商平台已经成为中国消费者生活的一部分。B2C电商实现由单品向多品和全品类的覆盖,多品需求的不确定性问题逐渐成为困扰B2C电商供应链中采-配平稳高效的核心问题,企业逐渐将焦点放在采购-配送协同上。企业对采购-配送协同问题的重视逐渐增强。然而,顾客需求的差异化加之商品本身需求的不确定性造成B2C电商采购、配送流程的脱节和决策复杂化。面对繁多的商品品类和多变的采配流程,B2C电商物流运营的主要挑战之一即是合理刻画顾客小批量、不确定性的需求以实现采配流程的平稳高效运行。因此,B2C电商如何在面对不确定性需求条件下,实现多品补货和配送的协同具有很强的现实意义。本文以采购-配送总成本最低为目标,基于消费者不确定随机模糊需求,对B2C电商采购-配送协同问题进行研究,主要研究内容:首先,总结国内外B2C电商采购-配送问题的热点及难点,梳理概括随机模糊需求研究现状,同时针对多品采购-配送问题求解方法进行简要归纳。明确了运用模糊期望值理论简化基于随机模糊需求的多品采配模型的可行性。在文献综述的基础上,建立确定条件下多品采配模型和基于模糊随机需求条件下多品采配模型。将随机模糊需求假设为三角模糊变量,考虑基于历史数据的模糊变量确定存在随机可能性判断,运用模糊期望值理论,构建以成本最小化为目标的JRD协同模型。其次,设计粒子群算法进行模型求解。根据算法特点和模型设置,利用Matlab软件进行程序编写。通过与遗传算法的求解结果进行比较,验证了粒子群算法解决JRD协同模型的科学性。拓展分析商品种类数对PSO算法参数设置的影响。改变商品种类数及算法主要参数,观察算法运行100次的总成本平均值变化规律。为粒子群算法求解随机模糊需求提供最优参数组合。最后,比较数值运行结果,为多品种商品补货优化决策提供方案借鉴。同时揭示B2C电商多品采配决策过程的协同决策,增强了企业的成本控制能力。