近年来,能源与环境问题成为人们关注的焦点话题。各国为减少温室气体的排放,制定了许多与碳排放有关的国际协议,催生了全球碳市场。交通运输业是一个高能耗行业,该行业实现节能减排是有必要的。此外,在典型的车辆路径问题中,客户需求通常被认为是确定的,但在现实环境中,需求可能是随机的,随机需求将影响配送成本。基于此,本文主要研究需求不确定条件下的车辆路径优化和速度优化。该研究旨在帮助企业在满足客户需求的基础上降低配送成本,实现节能减排的目标,具有重要的现实意义。首先,本文在考虑车辆速度约束、容量约束、时间窗约束的情况下根据油耗量和行驶速度的关系建立了路径优化和速度优化的不确定性模型,接着通过机会约束规划,将其转化为确定性模型。然后,通过模型分析设计了两阶段算法:第一阶段假设已知网络速度,使用递归算法进行路径优化;第二阶段在已知路径的情况下进行速度优化。之后,通过算例验证了算法的可行性和有效性,并分析了配送成本和客户满意度的关系。最后,由于两阶段算法求解速度慢且无法求解大规模问题,设计了遗传算法。本文是在原遗传算法基础上嵌入fmincon函数进行速度优化,并嵌入大整数提高算法求解速度。随后,设计算例与两阶段算法对比,并通过求解大规模问题验证算法的有效性和可行性。