实际的危险品运输中往往充满着很多不确定因素,如不确定的运输风险和不确定的客户需求等。如何调度运输车辆来确保危险品在不确定因素下安全和高效的运输是危险品运输规划中需要研究的问题。车辆路径问题是危险品运输规划中的核心问题,本研究分别从不确定运输风险和不确定客户需求两方面对危险品运输车辆路径问题进行研究。为了解决所研究的问题,分别提出基于随机时变风险的危险品车辆路径规划方法和基于客户动态需求的危险品车辆路径规划方法来获得安全、经济、高效的车辆调度方案。本研究具体工作如下。1.提出基于随机时变风险的危险品车辆路径规划方法。针对危险品运输中风险的不确定性,在考虑车辆的实时载重和路段的随机时变人口密度两个因素下建立随机时变风险模型。该模型主要是在传统风险模型的基础上建立。基于随机时变风险模型,建立最小化风险和成本的鲁棒多目标车辆路径优化模型。根据所建模型下的多个约束特性,以Nsga-ii算法为主要框架设计了求解该模型的混合多目标进化算法和两阶段算法,并在修改的Solomon VRPTW实例上进行了测试。结果表明,两种算法在求解危险品运输的鲁棒多目标车辆路径优化模型上具有良好的性能。同时,将本文所提出的模型的数值试验与多目标车辆路径优化模型进行了比较,证明了本文所提出的模型的有效性。2.提出基于客户动态需求的危险品车辆路径规划方法。针对危险品运输过程中客户需求的动态性,建立最小化运输风险和成本的鲁棒多目标动态车辆路径优化模型。该模型通过让车辆延时发车和多行程配送来增加车辆在仓库的停留时间以便新客户动态插入运输路线。在模型的求解策略中,采用划分整个工作日为一系列时间片的方式将动态车辆路径问题转化为每个时间片内的静态车辆路径问题。根据每个时间片内新客户请求服务时间的紧迫性与充裕性,分别开发了局部优化算法和改进大邻域搜索算法,并在DVRPTW实例上进行了测试。结果表明所提算法在求解危险品运输的鲁棒多目标动态车辆路径问题优化模型上具有良好的性能,能够快速地规划出安全经济的配送路线,满足客户的动态需求。