由于快递末端配送服务的客户数量多、位置分散,而且服务时间等需求差异大,所以一直存在着配送成本高、取送件不及时等问题。虽然智能柜及他人代收等技术和管理手段的应用提高了一次配送成功率,但快递公司仍然要保持一定的运力冗余,以便于及时响应客户需求的动态变化,如新增取件或变更送件信息等,这导致了配送成本居高不下。因此,快递公司面临着快递量不断增加,但由于配送成本的上升,利润却不断下滑的困境。而随着网购人数和快递数量的增长,新增退换货取件需求和变更配送信息等情况的数量也不断增多。这种不确定需求的增多,造成原有配送方案执行困难甚至不可行,更增加了配送的成本。因此,对快递车辆路径进行鲁棒优化,提高配送方案在不确定需求下的可执行性,对于降低快递末端配送成本,提高配送效率具有重要意义。本文对不确定需求下快递车辆路径鲁棒优化问题进行研究,针对新增和变更等动态客户需求,在最大化利用运力和合理化新需求插入率的情况下,实现快递配送的鲁棒优化和配送成本最小化。同时,设计并实现了快递末端配送支持系统。论文主要研究内容如下:首先,针对新增退换货取件和变更配送信息等需求的不确定造成原有配送方案执行困难甚至不可行的问题,以及快递员在实际的配送途中不能科学合理的处理各种不确定的动态客户需求的问题,以配送费用和惩罚费用最小为目标构建了快递配送车辆路径鲁棒优化模型。该模型中,采用Bertsimas提出的鲁棒优化方法建立了不确定行车时间松弛量集合,并在不确定性集合下将模型转换为鲁棒优化模型的对应形式,以便对模型进行求解。然后,设计基于遗传算法的超启发式算法对鲁棒对等模型进行求解。在该算法中采用遗传算法作为上层搜索策略,以插入法和局部优化法作为底层启发式策略,通过底层策略框架求得初始路径方案,然后采用高层策略对底层策略框架和客户数进行选择、交叉和变异操作获得鲁棒解。此外,针对配送途中出现的各种动态客户需求设计了对应的动态客户处理策略,在不确定集合内的最坏情况下保持了规划的车辆路径方案的可行性与最优性。最后,基于Android系统并结合百度地图设计实现了快递末端配送支持系统,将鲁棒优化模型和求解算法应用到系统中,快递员可以借助该系统进行相关的动态客户管理、线路规划和线路导航操作,为快递员提供了科学合理的支持。以重庆某快递公司末端配送站的相关数据为测试对象,对该系统进行测试,通过对比分析,验证了文中提出的鲁棒优化方法和支持系统的有效性。