随着经济的发展,物流运输活动在社会经济活动中的作用也日益提升。企业采购,居民家庭的牛奶、报纸运输,邮递服务,城市垃圾的回收等生产、服务活动都将我们的生活和物流运输紧密联系在一起。另一方面,在现实生活中,物流运输活动常常会遇到各种不确定因素,例如天气变化、交通拥堵、不确定的需求和服务时间等等,均给物流运输管理带来了极大的挑战。本文以物流运输中的车辆路径问题为研究背景,考虑带有随机顾客需求的情况,建立随机动态优化模型。车辆路径问题是NP难度的组合优化问题,经典动态规划方法的运算时间随着问题规模的增加而指数增长,而随机车辆路径优化问题更面临状态、决策和信息的维数灾问题。为此,我们引入近似动态规划算法。近似动态规划算法是近年来发展非常迅速的领域,但是使用近似动态规划算法处理随机车辆路径问题的文献非常少。首先,我们通过数值实验研究不同的路径策略对运输费用的影响。实验结果表明,在进行路径规划的时候,允许预先补货能够有效减少期望运输费用。在车辆的剩余货物接近于零,而车辆离车站又比较近的时候,在访问下一个顾客前先回车站补货能够预防货物不足而折返于顾客与车站之间的额外费用。同时,根据动态产生的信息,调整访问顾客顺序的策略同样能够有效减少期望费用。但是动态进行决策的方案中,计算时间随着问题规模的增大而迅速增加。因此,我们探索使用近似动态规划方法。通过数值实验,我们确定了值函数近似算法的一系列参数,同时实现了文献中的滚动（Rollout）算法进行参照。实验表明,相较于滚动算法,值函数近似算法对路径的探索更加充分,在规模不大时能够在一定的时间内得到比滚动算法效果更好的结果。但是从实验中也可以明显看出,随着顾客数目逐渐增大,状态与决策空间迅速增大,给值函数的近似与更新带来了困难。因此,值函数近似算法的收敛速度明显降低。通过使用限制lookup表格状态数的方法,取得了一定的改进效果。