关于模型的启发式算法方面，许多学者也进行了相关研究。Yang和Chen.Yang在上述模型的基础上提出了一个简化的线性整数规划模型，并为该问题提出一种启发式算法。尽管他们的算法应用简单，但仍存在一些局限性，如模型是单目标模型；模型假定的线性目标函数与零售业的真实环境不符等。由于Yang和Chen的模型没有考虑商品组之间的关系，AndrewLim等在此基础上提出了带商品分组和非线性利润函数的模型，并设计了严谨启发式算法、网络流算法和五阶段Squeaky-Wheel优化方法。此外，模拟退火的超级启发式算法、贪婪启发式算法和遗传算法等也被应用于模型求解。然而，这些算法大多属于局部搜索算法，往往不能够求出全局*优解。
国外对货架空间分配问题的研究已有近30年的历史，国内的相关研究特别是定量研究相对较少。通过对现有货架空间分配问题研究成果的梳理，我们认为还有以下一些方面的内容值得进一步深入探讨：将商品价格因素和商品类型因素加入到货架空间分配的建模问题中。商品价格是影响零售企业利润的一个重要因素，但之前的货架空间分配研究往往忽略了这一点，而商品价格对消费需求和商品间的交叉销售会产生很大的影响。商品价格的改变可能会改变商品之间的关联，如互补性和替代性关系，*终会影响货架分配策略。此外，易变质商品，如牛奶及生鲜食品的货架空间设计与分配问题也是值得研究的方向。
交易数据的挖掘分析与算法改进。交易数据中隐藏着丰富的商品关系，而商品之间的关系潜在地影响着货架空间分配。如何更好地利用各种数据挖掘方法，改善挖掘算法效率，快速、及时地收集零售商交易数据，捕捉商品关系，并应用到货架空间分配问题中是今后研究的方向和热点。