最短路径问题作为地理信息系统(GIS)、通信、物流管理等领域的研究热点,多年来产生了大量的研究成果。在这些研究成果中,绝大部分是基于静态网络的,也就是说路径寻优中网络弧段的权值是固定不变的。然而实际生活中的很多问题,如交通导航,其网络弧段的权值是随时间变化的,而静态最短路径算法无法解决这类问题。论文基于城市道路网络,对时变最短路径(TDSP)理论及三种常见的时变最短路径问题进行了分析和研究,并从搜索策略和网络分布特征入手对算法进行改进,提高了算法效率。论文的研究成果主要包括：1)利用GIS技术提取了北京市区道路网信息,构建出静态道路网络拓扑结构。2)对城市交通流统计特性进行分析,建立了时变道路网络模型。根据日常出行需要,对三类时变最短路径问题及算法进行研究：出发时间给定的TDSP问题,出发时间域给定的TDSP问题以及到达时间给定的TDSP问题。3)针对D TDSP算法(出发时间给定情形)在搜索过程中的盲目性,采用启发式搜索策略,提出了带启发因子的A_TDSP算法,加快了算法的收敛速度。4)针对A_TDSP算法实现过程中偶尔出现的启发信息不足的情形,根据道路网络特征对算法进行改进。基于网络的统计特征数据,提出了限制搜索区域的R_TDSP算法。5)基于所构建的北京市区时变道路网络平台,对上述所有算法进行了实验仿真。实际系统运行结果及算法实例表明文中所提出算法的正确性和有效性。而且,A_TDSP算法、R_TDSP算法与D_TDSP算法相比,具有明显的优越性。