在全球化制造战略发展环境下,以往通过垂直整合的方式优化供应链系统的方法已不再具有优势,企业越来越多地透过企业的边界、甚至国家的边界,在全球范围内寻找优秀的合作伙伴和资源,制造供应链中各企业节点呈现明显的异地分布特征并且日益突出。分散的地理位置不仅会引起运输成本上升,而且带来了碳排放增多的问题。本文围绕分布式供应链环境下的集货问题和配送问题展开研究,寻求低碳的运输方案。主要内容包括:(1)针对集货过程中的低碳运输问题,将经济因素和环境因素结合起来,建立集成目标的优化模型。算法设计方面,采用改进的遗传算法对模型进行求解。在满足集货时间窗、车型与载重、车辆数量等多重约束条件下寻找总成本最小的集货方案。(2)为了消除目标函数中成本系数计算方法的影响,寻找更具通用性的模型和算法,在上一章的基础上,设计了最短路径和最小碳排放多目标优化模型。首先获得路径距离最短的集货方案,然后对取得的路径进行拆分重组,获得碳排放更少的车辆和路径安排。在算法设计方面采用基于遗传算法和节约算法的分阶段启发式方法求解。(3)当前新能源货车尤其是纯电动车发展迅猛,具有零排放、容量小、续航里程短等特点。在前面研究内容的基础上,考虑包含纯电动车和传统柴油车在内的多种车型,建立了最短路径和最小碳排放的多目标优化模型,进而根据模型特征,设计了两阶段启发式算法求解,通过纯电动车的有效利用寻找同时满足经济效益和环境效益的集货方案。(4)针对配送过程的低碳运输问题,通过生产环节和运输环节的集成调度降低运输中的碳排放。建立了拥有平行机生产系统的制造商对多家客户供应多种产品的生产运输调度模型,优化目标为在满足最晚交货时间约束下运输过程中碳排放量最小。算法设计方面,首先利用遗传算法获得碳排放最小的运输调度方案,进而根据运输批量合并订单,确定生产批量与完工时间,在此基础上得到生产调度方案。