随着中国经济的快速增长,物流技术的迅速发展以及企业管理模式的逐渐转变,我国物流业开始进入到高质量发展阶段。然而,传统燃油物流车会产生大量尾气,造成严重的大气污染。中国、美国、日本、欧盟以及许多其它国家和地区开始大力推广电动物流车,鼓励企业在供应链中使用电动物流车来构建可持续发展的物流配送网络。因此,为电动物流车设计高效的配送路径变得越来越紧迫和重要。与传统燃油物流车不同的是,电动物流车由于受到电池容量的限制,其续航里程较短,充电时间较长。在实际的物流场景中,电动物流车需要经常访问充电站为电池进行充电,或者访问电池交换站以获取一个满电荷状态的电池。因此,为电动物流车设计配送路径是一个复杂的优化问题,吸引了越来越多的物流专家和领域学者的高度关注。然而,现有关于电动物流车路径优化问题的研究基本上都是基于确定环境下展开,忽略了实际物流场景中存在的不确定因素,有可能给物流企业带来不必要的经济损失。因此,本文针对现阶段电动物流车电池技术存在的缺陷、充电设施的短缺以及实际物流活动中难以控制的不确定因素等问题,构建了不确定环境下电动物流车路径优化模型。首先,针对历史物流数据收集充分的情况下,本文采取随机优化方法对电动物流车路径优化问题进行建模,考虑电池交换站选址问题,提出两种扩展型补救措施针对电动物流车路径服务失败情况;其次,针对历史物流数据收集不充分的情况下,本文采取模糊优化方法对电动物流车路径优化问题进行建模,通过可信性理论引入模糊变量和模糊机会约束,并利用模糊模拟方法对路径的可信性进行评估。在此基础上,本文分别提出了两种混合多个启发式搜索技术的算法对以上提出的电动物流车路径优化模型进行高效求解。本文的创新点如下:(1)提出了一种基于随机优化方法的电动物流车路径优化模型和相应的求解算法。现有关于电动物流车路径优化问题的研究大多基于确定环境展开,而未考虑实际物流场景中存在的不确定因素。在历史物流数据充分的情况下,随机优化方法可以有效解决这一问题。因此,本文在考虑物流服务中的顾客随机需求以及路径服务失败情况和补救措施的基础上,构建了相应的电动物流车路径随机优化模型。在此基础上,本文提出了一种结合二进制粒子群优化算法和变邻域搜索算法的混合型变邻域搜索算法,实现了电动物流车路径随机优化模型的高效求解。实验结果表明,与其它常用的启发式算法相比,本文所提出的混合型变邻域搜索算法在对电动物流车路径随机优化模型进行求解时得到的配送方案更优。(2)提出了一种基于模糊优化方法的电动物流车路径优化模型和相应的求解算法。虽然随机优化方法能够有效处理实际物流场景中存在的不确定因素,但是必须基于历史物流数据充分的前提下。而模糊优化方法能够在历史物流数据不充分的情况下处理不确定因素,从而有效解决这一问题。因此,本文使用模糊优化方法对电动物流车路径优化问题进行建模,构建了一个基于可信性理论的模糊优化模型。在此基础上,本文提出了一种结合自适应大邻域搜索算法和多个局部搜索操作的动态邻域下降算法的混合算法,实现了电动物流车路径模糊优化模型的高效求解。实验结果表明,与其它常用的启发式算法相比,本文所提出的自适应大邻域搜索算法在对电动物流车路径模糊优化模型进行求解时得到的配送方案更优。因此,本文关于不确定环境下电动物流车路径优化模型以及求解算法的研究,对于推动我国电动物流车应用,解决环境污染问题,加强物流资源优化,降低企业运营成本等都有着重要理论意义和实际意义。