در این پژوهش یک رویکرد شبیه سازی- بهینه سازی برای برنامه ریزی سفارش و تخصیص فضای قفسه ها در صنعت خرده فروشی ارائه می¬شود. تقاضای مشتریان به دو گروه ثابت (مشتریان وفادار) و متغیر تقسیم می¬شود. تقاضای متغیر خود شامل تقاضای جایگزینی و تقاضای مشتریان بالقوه (ناشی از تاثیر شرایط فروشگاهی) است. مشتری در هنگام خرید مسیری را در فروشگاه طی می کند. با تقسیم فضای فروشگاه به چند ناحیه و محاسبه مطلوبیت ذاتیِ ثابت و متغیر برای نواحی، رابطه تحلیلی برای احتمال بازدید مشتری از هر ناحیه با استفاده از مدل مطلوبیت تصادفی تعیین می شود. به دلیل پیچیدگی رابطه تحلیلی، از شبیه سازی برای ارزیابی حرکت مشتریان در فروشگاه استفاده و تقاضای متغیر برندها تخمین زده می شود. یک مدل برنامه ریزی عددصحیح غیرخطی مبتنی بر سود برای مسأله ارائه می شود که نیاز به تخمین تقاضای خروجی شبیهسازی دارد. چون تخمین تقاضای شبیه سازی بستگی به برخی متغیرهای بهینه مدل ریاضی دارد پس از خطی سازی مدل، با استفاده از یک مقدار تقاضای متغیر اولیه، یک الگوریتم تکرارشونده شبیه سازی-بهینه سازی تا رسیدن به شرط توقف ادامه می یابد. به دلیل عدم امکان حل دقیق مسائل بزرگ در زمان مناسب، از ذوالگوریتم ترکیبی رقابت استعماری–ژنتیک و ژنتیک استفاده می شود. برای هر یک از مسائل با ابعاد کوچک، متوسط و بزرگ؛ 10 مسأله نمونه تولید و نتایجِ حلِ این مسائل توسط الگوریتم های حل دقیق، ژنتیک و ترکیبی با یکدیگر مقایسه می شود. مقایسه عملکرد این سه الگوریتم نشان می دهد الگوریتم حل دقیق بهترین جواب را داشته اما برخلاف الگوریتمهای فراابتکاری امکان حل مسائل بزرگ در زمان معقول را ندارد. همچنین عملکرد الگور ژنتیک در تمامی مسائل در هر دو محور بهینگی و زمان، تحت الشعاع الگوریتم ترکیبی است.