第四方物流(4PL)的概念最先由Accenture公司提出。1998年Accenture在《战略供应链协调》一书中提到：第四方物流模式以供应链集成、第三方物流(3PL)供应商与信息产业提供商的选择为核心的供应链集成商，负责管理和调集资源分配为客户提供综合性服务的供应链解决方案。但由于信息化技术不成熟及硬件设备基础薄弱等，第四方物流模式未能被推广使用；如今随着智能化和信息化技术的成熟和落地，4PL重新成为物流行业和学术界关注的热点话题。
　　本文总结了国内外4PLRP相关文献，从不确定环境下考虑固定时间表限制的4PLRP问题和复杂时间表限制下的4PLRP问题入手，按照由易到难的层次结构，研究不确定环境下考虑复杂时间表限制的第四方物流路径优化问题，论文的研究内容如下：
　　研究不确定环境下考虑固定发班时间表限制的4PLRP。综合考虑固定发班时间表限制以及由多个供应点一个需求点的约束因素，构建4PLRP区间优化模型,并针对模型的NP难特点，设计了可变长度编码的遗传算法进行算例求解。结果表明：构建的NP难模型和设计的算法，可以根据决策者的要求快速地选出成本最优的运输方案，也为决策提供依据支撑。同时，遗传算法交叉和变异概率的灵敏度分析中发现：交叉概率0.8，变异概率0.2时，遗传算法对该问题的求解效率更好。
　　研究不确定环境下考虑复杂发班时间表限制的4PLRP。在固定发班时间表内容的基础上，以运输延迟时间替换运输时间，并引入区间长度可变理论对4PL运输延迟时间进行形象化表征，综合考虑复杂时间表限制特征以及多商品流运输限制条件，构建“4PL服务商—货主”的双约束NP难模型,并设计蜂群算法进行算例求解。研究结果表明：双约束模型可有效满足4PL服务商和货主的要求，为两者提供合适的运输方案。同时，通过鲁棒控制参数的灵敏度分析发现：控制参数为0.3时效果最佳；在该点，路段8→33、33→40、14→33皆发生新增出发班次现象，新增次数为1。以0.3为界，随着控制参数的减小，运输成本的最优值的响应迭代次数由33代逐渐向62代缓慢转移；随控制参数的增大，最优值的响应迭带次数逐渐增大，并有超出算法设定限制的趋势。另外，对比蜂群算法和遗传算法对该算例的求解效率发现：遗传算法面对复杂的4PL网络拓扑结构，图形结构呈现阶梯状收敛，且下降梯度落差大，梯度面较宽，最终迭代50次收敛；蜂群算法迭代图形下降坡度平滑，趋势呈现一次函数斜率状，且图面坡度随鲁棒控制参数向0.3靠拢而增大。由此可见，相较于遗传算法，蜂群算法对复杂问题的求解效率更高。
　　本文从4PL的实际运作出发，关注4PLRP中面临的运输环境不确定性问题和铁路运输模式具备发班时间表特性等实际问题；研究不确定环境下复杂发班时间表限制的第四方物流路径优是具有一定的理论意义和实际应用价值。