选址问题是运筹学中的经典问题之一,在生产生活甚至军事中都有着非常广泛的应用。网络是大多数选址主体进行选址决策的载体,所以对网络选址的研究往往更有实际意义。论文主要研究用改进的元启发式算法来求解网络选址中的若干模型,这些模型都是NP-难问题。论文的具体内容如下:第一章介绍了课题研究的背景及选址问题的研究现状,并阐述了本文的主要工作。第二章介绍了一些经典的网络选址问题。第三章介绍了一些元启发式算法。第四章,针对规模较大的集合覆盖问题,提出改进的遗传算法进行求解。对遗传算法的改进主要包括初始种群的产生、对不可行解和重复个体的处理、以及新的交叉和变异方法的提出。最后在数值实验中与其他算法进行了比较,并分析了算法改进的有效性。第五章,针对规模较大的顶点p-中心问题,通过综合遗传算法和模拟退火算法的优点,提出了一种单亲遗传和模拟退火的混合算法进行求解,并设计了自适应选择法和自适应基因重组操作,最后在数值实验中与其他三种算法进行了比较,结果表明本章算法更有效。第六章提出了一种多目标反p-中心问题,并利用线性加权和法将其转化为单目标问题,然后建立了其整数规划模型,并且尝试用单亲遗传模拟退火算法来求解。最后针对不同的权重,分别进行了数值实验,并分析了算法的有效性。第七章,针对广义最小生成树问题,设计了两种改进的元启发式算法来求解。在改进的禁忌搜索算法中,通过在两种邻域进行搜索来避免陷入局部最优。最后通过数值实验对这两种算法进行了比较,并验证了算法的有效性。最后,总结全文,并指出了未来可行的研究方向。