随机规划是处理数据带有随机性的一类数学规划，它与确定性数学规划最大的不同在于其系数中引进了随机变量，这使得随机规划比起确定性数学规划更适合于实际问题。在管理科学、运筹学、经济学、最优控制等领域，随机规划有着广泛的应用。 随机规划的求解方法大致分两种。第一种是转化法，即将随机规划转化成各自的确定性等价类，然后利用已有的确定性规划的求解方法解之；另一种是逼近方法，利用随机模拟技术，通过一定的遗传算法程序，得到随机规划问题的近似最优解和目标函数的近似最优值。本文总结分析了已有的可转化为确定性等价类的机会约束规划，将其推广到系数满足多元联合正念分布的情况。 相关机会规划是使事件的机会函数在不确定环境下达到最优的方法。本文针对机会函数中随机变量几种不同的约束条件和分布，得到了相关机会规划的一些确定性等价类，讨论了相关的性质，并给出了基于随机模拟技术的遗传算法。又将相关机会规划引入运输问题中，从而避免了一般解法所给出的最优解可能在实际中无法执行的问题。 基于相关机会规划的运输问题是一个多目标随机规划，本文根据机会函数的性质，提出了一个新的评价函数，从而将之转化为单目标随机规划，使之便于求解。后又进一步推广了基于相关机会规划的运输问题，将目标规划引入，建立起基于相关机会目标规划的运输问题的数学模型。