航线网络是航空公司的立足之本，航空公司的其它管理决策，例如航班计划、运行控制、收益管理等都是在航线网络的基础之上进行的，因此航线网络是否科学合理对航空公司的整体效益将产生深远的影响。航线网络设计问题中的运输需求、成本和容量等参数往往具有不确定性，本文针对枢纽航线网络随机优化的相关问题展开研究。从航线网络的经济性角度出发，本文提出了无容量限制的多分配严格p枢纽中位随机优化模型，设计了情景分解算法，采用经典航空运输算例对模型和算法进行了测试。算例结果表明在情景数量较大的情况下，算法体现出了较高的效率，通过随机解价值指标比较了使用确定模型和随机优化模型的差异。从风险控制角度出发，本文使用了鲁棒优化方法，综合考虑需求、成本和容量三个设计参数的不确定性，建立了航线网络的鲁棒优化模型。多种不确定因素的综合以及容量限制的加入使得整个模型的求解复杂度大大增加。针对有容量限制的枢纽网络的特点，本文设计了TreePruning算法，能够预先排除大量枢纽组合，减少计算量，提高算法效率。针对多情景下鲁棒优化模型，本文将Tree Pruning算法与对偶升算法相结合，较为快速地求解出精确解，适用于大型网络的中长期规划。同时考虑航线网络的经济性和风险控制，本文提出了枢纽航线网络的均值-鲁棒值模型，在算例中比较了期望值模型、确定性模型以及均值-鲁棒值模型的解。鲁棒值完全取决于最差情景，并没有考虑情景的发生概率，这导致在某些极端情况下风险度量不准确。因此，本文引入了条件风险价值作为风险度量函数，建立了枢纽航线网络的均值-条件风险价值模型。目标函数中加入条件风险价值导致模型的求解复杂度大大增加，本文设计了拉格朗日松弛算法结合情景分解算法进行求解。在算例部分，采用了CAB数据算例和中国民航实际算例，分析了双惩罚参数的取值对最终求解效果的影响，比较了期望值模型、确定性模型以及均值-条件风险价值模型的解，两个算例的求解结果均表明均值-条件风险价值模型的结果优于其他模型。本文在网络模型中考虑了旅客的时间效用的影响，提出了旅客时间价值系数。旅客的时间价值具有不确定性，因此将其离散化处理成不同情景。本文将旅客的时间效用考虑到网络总效用中，这使得所构造的航线网络能够较好地满足旅客对旅行时间的要求。我国现阶段旅客对时间敏感程度较高，在这样的条件下，与多次中转的严格枢纽式航线网络相比，所规划出的混合枢纽网络具有更强的竞争力，也更符合航线网络规划实际，能够更好地为航线网络规划实践提供理论依据和决策支持。