首次出现于2019年年末,并在2020年大规模无差别攻击了世界各地人民的新型冠状病毒（COVID-19）,对全球经济和各国人民的生活造成了巨大且不可逆转的影响。由于新冠疫情是突发且毫无征兆的,所以之前的一些研究数据也统统失效,许多问题就从原来传统的确定性问题转化为非确定性问题,研究网络也从原来的确定性网络变为非确定性网络,在此存在很多非确定性因素的网络下,对一些经典的优化问题的研究也就成为了各专家学者研究的热点问题。在所有的网络优化问题之中,路径优化问题又是一个经典且有着广泛实际应用的重要分支之一。利用图论等知识来建模路径优化问题,并结合广泛应用的计算机技术提出一些更加有效的智能算法,已成为很多学者的研究目标。在世界不同国家与地区的学者与专家的共同努力下,根据不同的现实情境,各种类型的路径优化问题都被研究和讨论了,很多有效的智能算法也被应用于解决不同的现实路径规划问题,这为现实社会的发展、工作效率的提升提供了有效的支撑。为了更好地拟合现实情况,并基于新冠疫情的研究大背景——各种突发情况造成的数据缺失背景,现实世界中存在一些无法通过拟合大量统计数据来产生概率分布函数的一些问题,此时现实世界也就成为一个随机因素与不确定因素并存的环境,由于上述情况,也作为对路径优化问题模型的补充,本文将做的工作概括如下:基于COVID-19的实际背景,即不确定随机网络——随机性与不确定性共存的网络,利用可以用来处理此网络中存在的非确定性参数的理论——机会理论来讨论COVID-19背景下的两类经典的路径优化问题:不确定随机最短路径问题、不确定随机带资源约束最短路径问题和不确定随机旅行商问题。除了研究背景的新颖性外,本文创新地应用了新型互熵处理了 COVID-19下的最短路径问题（不确定随机最短路径问题）,建立了新型互熵优化模型并对此模型进行了变种,建立了 COVID-19背景下的带资源约束路径优化模型,并设计了一些与其他现有模型的对比实验。同时创新性地首次对旅行商问题在COVID-19的实际背景下进行了研究,提出了三种不同的模型:不确定随机期望值旅行商模型、不确定随机α-旅行商模型和不确定随机最大测度旅行商模型。最后设计了几个数值实验来证明模型的有效性。