随着全球化贸易的日益增多和技术水平的提高,市场竞争也日益加剧。这意味着制造型企业须提供更优质的服务以赢得更多的客户,获得更高的利润。生产、库存和配送是制造业的三大基本模块。多数学者将这三个问题单独研究。然而,将生产、库存和配送问题联合优化,可以有效提高整体利益,实现高效高收益的供应链。目前,由于高库存会导致成本增加以及产品流通时间的延长,因此越来越多的企业采用按单生产(Make-to-order,MTO)的商业模式,在实际运作中存在很少或没有成品库存,使得生产和配送计划非常紧密地联系。并且联合调度能够以最小的总成本实现期望的准时交货的性能。在实际配送过程中,由于受到不同交通状况的影响,车辆的行驶时间是不确定的。因此,本文在考虑不确定旅行时间的情况下,研究了综合生产和多次配送的车辆路径问题。本文首先分析了该问题的研究意义,并梳理了考虑不确定因素的生产配送联合调度问题的国内外研究现状以及解决该问题的启发式算法,为后续的研究奠定基础。在问题的第一阶段考虑在具有准备时间的并行机器上安排一组作业,第二阶段侧重于由同质车辆的车队交付已完成的作业,这些车辆的准备时间可能不同。此外,每个作业都有一个特定的交付时间窗,并且车辆交付的行程时间是不确定的。目标是最大限度地降低由延迟造成的罚款成本及配送成本等总成本。为了解决问题的不确定性,本文提出了一种鲁棒性方法,称为“弹性p鲁棒性方法”,用于处理历史风险数据有限或不存在时的行驶时间变化,并开发了一种具有有效搜索策略的文化基因算法来解决问题。本文基于实际经验随机生成数据,并对其进行数值分析,以评估所提方法的有效性和效率。计算结果表明,与当前主流启发式算法相比,所提出的解决方法产生了相对较好的解决方案。