当前，空气雾霾、能源短缺等环境问题的日益凸显，令节能减排、减少经济发展对环境影响的社会呼声愈来愈高。本文在考虑碳排放的前提下，以降低运输成本和减少碳排放作为目标，构建多目标的供应链配送网络模型。　　在求解多目标问题的方法中，传统的多目标算法往往是将多目标问题通过权重等方式转换成单目标问题后，利用成熟的单目标优化算法求解。这类算法的缺点是一次优化求解只能求出一个解。当多目标优化问题具有无穷多个Pareto最优解，且 Pareto最优解集在目标函数空间具有非凸、分段、不连续或分布不均匀等特点时，传统多目标优化算法很难获得理想的结果。　　近年来，智能算法在多目标优化问题中获得了越来越广泛的应用和研究，粒子群算法作为智能算法中的一种，已经在很多优化问题上得到成功应用。该算法利用种群内个体之间的相互合作和竞争的复杂行为训练种群，是一种为优化问题提供高效率解决方案的方法。本文仔细研究了多目标帕累托理论，提出了一种基于帕累托的多目标粒子群算法。针对基本粒子群算法容易早熟的缺陷，本文加入变邻域搜索策略，提出了变邻域的多目标粒子群算法，用于解决多目标供应链配送网络优化问题。本文的研究工作主要包括以下几个方面：　　1）介绍了多目标帕累托的概念和基本理论。介绍了基本粒子群优化算法的理论知识，以及粒子群优化算法在种群搜索方面的特征。　　2）研究了当前物流配送路径问题的问题分类和模型种类。在降低供应链配送网络中产生碳排放的目标前提下，建立了考虑成本和碳排放两个目标的多目标三级供应链配送网络模型。　　3）研究粒子群算法在多目标供应链配送网络优化等约束问题中的应用，提出了基于帕累托的多目标粒子群算法。然后通过与变邻域算法的混合，通过随机的破坏旧解和重建新解，找到全局最优解，以达到帮助粒子跳出局部极值的目的,加强了粒子群优化算法的局部搜索能力，提出了变邻域多目标粒子群算法，并用测试函数验证了算法的有效性。　　4）将变邻域多目标粒子群算法应用于考虑碳排放的供应链配送网络优化问题的求解，实验结果验证了多目标帕累托的有效性和变邻域搜索的优越性。