装备制造企业产品结构复杂,需要采购、外包和制造大量的原材料、零部件和成品配套件等生产物资。其中一些装备产品的关键原材料、面向订单生产(Make to Order,MTO)装备产品的系列件以及面向订单设计(Engineering to Order)装备产品的定制件等物资,具有客户化程度高、质量和可靠性要求严格、生产工艺复杂、供应渠道和能力有限、交货提前期紧张以及供应不确定程度高等特点,企业通常采用多源采购方式。这些物资延迟供应或缺货对产品生产和订单交货影响巨大,传统库存减轻、后备供应或从现货市场应急采购等不确定应对策略在其采购应用中存在较大局限,是企业采购管理的重点和难点,本文统一将这些物资称为关键物资。科学合理地制定关键物资供应不确定条件下的采购计划,并与生产计划协调一致,对装备制造企业降低运营成本、提高生产管理效率、提升供应不确定响应性及增强综合竞争能力具有重要的现实意义,同时也丰富了供应不确定下多源采购计划相关理论研究。本文立足于装备制造企业实际生产背景,针对不同关键物资采购经常面临的供应不确定情形:供应中断、供应数量不确定和交货时间不确定,从装备产品生产方式、关键物资采购业务特点、装备产品(或部件)生产对关键物资的供应要求以及供应不确定环境下采购计划与生产计划之间的内在联系等方面,对装备制造企业一些关键物资供应不确定条件下的采购计划问题进行细分和提炼,系统地研究了关键原材料供应中断下的采购计划、MTO装备系列件供应数量不确定下的采购计划和ETO装备定制件交货时间不确定下的采购计划,分别建立了相应的数学规划模型并提出了智能算法进行求解。本研究开展了以下工作:(1)面向装备制造企业一类性能要求高、采购周期长、生产难度大的关键原材料,针对其容易发生供应随机中断而导致缺货的问题,考虑初始供应商数量要求和最小订货批量等多重约束,提出了常规订货和紧急补货的两阶段多源采购计划整数规划模型;针对模型可行解空间巨大,决策变量维度很高,传统数学规划方法难以求得满意可行解的问题,以标准粒子群优化(Particle Swarm Optimization,PSO)算法为基础,通过改进种群初始化和更新操作,设计自适应邻域长度的局部搜索机制,提出了基于改进粒子群优化算法的模型求解策略;通过应用算例验证了所提算法能够有效求解复杂的两阶段多源采购计划问题;与实际决策方案对比,验证了提出的两阶段采购计划可以有效响应潜在的供应中断风险,并能够显著降低总采购成本;最后对模型参数进行了敏感性分析。(2)面向按单生产模式下多系列、多品种、小批量生产的装备产品及其系列件、针对由于供应商交货数量不确定造成生产物料不配套、生产计划不能正常执行,从而导致订单拖期的问题,考虑供应商拖期补货情形以及物料齐套和不同系列产品生产组合要求等多重约束,提出了采购与生产计划联合优化的多目标整数规划模型;针对模型可行解空间巨大,传统数学规划方法难以求得满意可行解的问题,以标准粒子群优化算法(Standard PSO,SPSO)为基础,通过引入基于经验规则的初始化策略,设计基于DS算子的自适应邻域搜索(Adaptive Neighborhood Search,ANS)策略和随机变异与整体重构结合的种群多样化策略,同时辅以概率控制的模拟退火(Simulated Annealing,SA)算法,提出了求解该模型的混合粒子群优化算法;通过应用算例验证了所提算法的有效性;相比于独立决策方案,得到的采购与生产计划联合优化方案不仅能保证总采购价值和客户服务水平最优,还能显著降低固定订货成本和订单拖期惩罚;最后对模型参数进行了敏感性分析。(3)面向按单设计的大型成套装备产品及其定制件、针对由于供应商随机延期交货造成原订单排序不可行,需要重新调整和优化的问题,考虑成套订单生产的时序性约束和关键设备能力限制等多重约束,从采购计划与成套订单计划相互制约和影响的角度出发,提出了多周期采购计划与成套订单排序协调优化的离散双层规划模型;针对模型目标和约束非凸不可微和下层规划难以保证最优解唯一的问题,从多目标规划非支配排序的思想出发,提出了基于改进粒子群优化算法和改进遗传算法(Genetic Algorithm,GA)的层次迭代进化算法(Hierarchic Iterative Evolutionary Algorithm,HIEA)对模型求解;通过应用算例验证了所提算法能够获得质量更好的非支配集,求解效率也更高;与实际分散决策方案对比,结果显示获得的采购计划与成套订单排序协调优化方案能够降低总采购成本,同时提高成套订单的准时交货水平;最后对模型进行了扩展,对比分析了不同成套订单问题优化目标对决策方案的影响。