近年来，国家提出的相关规划与政策，可以看出多式联运的发展正在受到越来越多的关注。物流运输发展的高阶是多式联运。多式联运路径优化问题是多式联运优化研究的重要方向之一，也是经典最短路问题的延伸和扩展。结合实际运输环境，运用创新方法提高运输效率，降低运输成本，满足客户需求是路径优化问题的核心。本文从班期限制与不确定环境两个要点入手，主要讨论了班期在多式联运路径优化中的重要性以及对模型的加以改进，以运输时间与运输成本最小为目标，构建了不确定环境下的多目标多式联运路径优化模型。对该问题的求解，设计并改进了相应的启发式算法，进行了大量的丰富的研究。本文主要内容如下：
　　首先，对本文研究背景和意义与国内外研究现状进行了梳理，对多式联运、多目标优化理论、不确定理论等进行了阐述，对班期限制在模型中如何表达进行了详细刻画，对解决本文问题所需的进化算法各部分的算子进行了设计与改进。
　　其次，多式联运网络路径优化会面临节点间运输时间不确定的影响。对运输时间的不确定性采用区间数进行处理，以运输时间最少、成本最低建立了多目标多式联运路径鲁棒优化模型。针对该问题设计了NSGA-II算法，综合采取(μ+λ)选择法与外部归档精英保留策略进行求解，并分析了pareto前沿解集的收敛性、多样性和分布度，验证了算法的有效性。数值案例中，通过算法解得了目标上的方案集，能为多式联运承运人制定运输方案提供决策参考。
　　最后，在多式联运路径优化中，考虑运输时间与运输费用的不确定性、班期限制及堆存费用等的影响。综合考虑以上因素，以运输总时间最少、总费用最低为目标，建立了多式联运多目标路径优化模型。采用蒙特卡洛(MC)仿真处理不确定性，提出了一种基于数据驱动的高效改造方法，用以节约MC仿真带来的高昂的计算成本。针对算法所给出的非绝对的pareto前沿解集，提出了方案风险评估方法。数值案例验证了所提出算法求解本文所提出问题的有效性，及风险评估方法对路径决策的支撑作用。所做研究能为决策者制定运输方案提供参考。