随着经济全球化的发展,企业对物流的要求不断提高,于是在传统物流业的基础上诞生了第四方物流（the Fourth Party Logistics,4PL）。第四方物流作为一个供应链的集成商,通过选择第三方物流供应商（the Third Party Logistics,3PL）和中转节点来为客户提供物流服务。而为降低物流成本,首先要考虑的就是优化配送路径。在以往研究中将物流网路抽象为多重图来表示,每两点之间的一条弧对应一个第三方物流供应商,每个中间节点代表一个中转城市。4PL路径优化问题就是在供应点和需求点间多条可供选择的路径中找出满足约束条件且能使所求目标函数得到最值的路径配送方案。当前研究多数研究停留在确定问题研究阶段,未考虑不确定因素对问题的影响。本文在第四方物流路径优化、随机规划和蚁群算法进行综述的基础上,针对物流运输中由于各种不确定原因造成的运输时间的随机性,以及因为运输时间随机性造成的物流服务无法按时完成所导致的惩罚问题进行了研究。具体研究内容如下:（1）研究了单点到单点单任务考虑提前/拖期惩罚的第四方物流路径优化问题。由于现实生活中存在各种不确定因素,导致物流的运输时间具有比较较大的随机性。针对运输时间的随机性,以最小化物流运输成本为目标,分别建立了期望值模型和机会约束规划模型。针对7节点问题,分别利用CPLEX和最大最小蚁群算法（MAX-MIN Ant System,MMAS）来求解期望值模型,并将最大最小蚁群算法求解结果与CPLEX求解结果进行对比,对比结果验证了 MMAS的有效性。针对机会约束规划模型,利用随机模拟结合最大最小蚁群算法来求解。针对15节点和30节点问题,利用MMAS来求解。在此基础上对比两类模型的求解结果,结论表明,机会约束规划模型的求解结果在鲁棒性上要优于期望值模型,并且可以根据客户对鲁棒性的不同要求动态的调整求解路径,但计算时间较长。同时在研究中讨论了不同因素对两种模型求解结果的影响。（2）研究了单点到单点多任务考虑提前/拖期惩罚的第四方物流路径优化问题。考虑4PL服务商同时承担多个物流运送任务,而每个3PL服务商只能为一个运送任务服务的情况,并建立了机会约束规划模型。针对多任务问题特点对最大最小蚁群算法做出改进来对模型进行求解,将改进后的算法与普通最大最小蚁群算法进行对比。结果表明,改进后的蚁群算法可以降低算法求解结果的相对标准偏差,提高计算结果的稳定性。