轴辐式物流网络规划问题是优化领域里的热点问题之一,合理的物流网络规划能够大幅减少物流网络中的运输成本,从而为物流公司带来巨额的经济效益。在物流网络中,顾客的地位随着我国国民经济由“卖方市场”转向“买方市场”变得愈发重要。考虑到顾客往往是根据寄送货物是否按时送达以及运费的高低来衡量自身受到服务的优劣,物流公司在规划物流网络时,不仅要确保顾客寄送的货物按时送达从而提高顾客的满意度,而且要极小化自身的运营成本以降低费用。鉴于此,本文以轴辐式物流网络为研究对象,从提供物流服务的企业角度出发,在满足顾客送达需求的前提下,研究了以物流网络成本最小化为目标的轴辐式物流网络规划问题,并且根据顾客需求以及物流网络所处环境的特点,分别讨论了随机环境和混合不确定环境下的两类研究问题,对两类问题建模并设计高精度、高效率的求解算法。本文的主要研究内容包括:·单一及混合不确定环境下考虑多种服务水平的轴辐式物流网络规划问题建模。物流网络中顾客的送达时间需求(比如期望货物在24小时或48小时内送达)通常被考虑为物流网络中各物流网点所要提供的服务水平,而现有关于服务水平的研究本质上来说都是单一服务水平的情况。鉴于此,本文假设物流网络中的各物流网点提供多种服务水平,以便为顾客提供可供选择的送达服务。考虑到物流网络所处环境的复杂性和多变性,本文通过对不确定变量的识别,在多种服务水平的基础上分别研究了考虑随机需求以及同时考虑随机需求和模糊运输成本的轴辐式物流网络规划问题。之后,本文分别对这两种规划问题建立了相应的数学模型,并根据轴辐式物流网络的特点以及数学技巧对所构建的非线性模型进行线性化处理。·关于两种不确定性情形下轴辐式物流网络规划问题的求解算法设计。由于轴辐式物流网络规划问题在实际中涉及到的物流网点众多,而本文又考虑了多种服务水平和不确定环境,这就限制了用软件和现有求解方法的问题规模,因此本文侧重于大规模实际问题的求解算法设计。针对单一不确定情况下的规划问题,本文融合区间缩减算法、单一分配原则(为最近分配原则的变种)和元启发式算法(包括交叉熵算法、遗传算法和禁忌搜索算法)组成18种求解该问题的混合智能算法。针对混合不确定情况下的规划问题,本文分别设计了基于模糊模拟算法以及模糊运算法则的两阶段法。在基于模糊模拟算法的两阶段法中,本文根据模糊运算法则对传统的随机离散化算法进行改进,从而提出了均匀离散化算法以及改进的均匀离散化算法,这结合基于模糊运算法则的两阶段法共形成了四种求解该问题的两阶段法。·基于土耳其数据集的算法实验结果分析。本文首先从国际上公认的土耳其数据集中生成问题规模为10~50的数据集,在此基础上从算法稳定性、精度以及效率这三个方面来验证两种规划问题各自求解算法的有效性,并探寻兼顾精度和效率的求解方法。数值实验结果表明,就单一不确定环境下的求解算法而言,相较于其他17种算法,基于交叉熵算法、改进的单一分配原则以及区间缩减算法的混合智能算法在大部分情形下的求解误差在1%以下,且能在500秒内输出问题规模为50的数据集的结果,该时间相较于效率次优的算法节省将近25%。就混合不确定环境下的求解算法而言,基于改进的均匀离散化算法以及模糊运算法则的两阶段法在求解问题规模为10到50的数据集时误差均不超过1%,且两者在求解规模为50的问题时仅用了不到80秒的时间,而其他两种算法最短的运行时间也在10000秒左右。此外,本文又对两个研究问题的结果进行了对比,以说明考虑混合不确定环境的必要性。对比结果显示,在问题规模为50的数据集中,混合不确定环境模型的结果误差基本都在1%以下,且其可信性值也都在90%以上,而单一不确定环境模型的结果误差达到5%,且其可信性值基本在40%左右浮动。总体来看,本文的研究成果既丰富了轴辐式物流网络规划领域的研究,也在求解方法上为相关物流网络规划问题提供了新思路。