随着工业化社会的高速发展,危险化学品已成为农业、工业、国防和人们日常生活必不可少的材料。危险化学品运输事故属于低概率一高结果事件。危险化学品事故一旦发生,就会给人们的生命、财产以及生态环境造成巨大的损失。同时,危险化学品运输涉及风险、经济、耗能等问题。以此为研究将会有效整合危险化学品运输企业资源,降低运营成本。随着危险化学品运输事故逐渐增多,保证社会安全,降低风险是当前所面临的重要问题。本文从降低危险化学品运输风险、旅行时间、能耗角度出发,首先对危险化学品运输中相关风险模型和模糊理论进行了研究；然后对最短路问题和多仓库车辆路径问题进行研究,将不确定理论与最短路问题、多仓库车辆路径问题相结合,通过智能优化算法得到最优运输路径；最后将多种算法运行结果进行对比,从而验证本文提出的模型和算法的最优性,为危险化学品运输相关部门、企业提供了有意义的决策和理论支持。本文研究内容具体如下：1、危险化学品运输风险度量、风险分析和可信性理论的研究。结合国内外研究现状分析风险度量、风险分析和可信性理论,介绍了风险分析的基本方法,为建立危险化学品运输最短路和多仓库车辆路径问题奠定理论基础。为危险化学品运输企业提供了可靠的风险测量,为其在不确定环境下提供决策方案。2、危险化学品运输路径优化模型的建立。结合危险化学品运输问题背景,本文考虑了车辆路径问题中的最短路问题和多仓库车辆路径问题。基于最短路问题,首先,构建了风险模型、旅行时间模型和燃料消耗模型。其次,在可信性理论框架下,构建了机会约束规划模型,以优化模糊多目标规划模型。基于多仓库车辆路径问题,构建了模糊双层规划模型以最小化期望运输风险。上层规划在仓库容量和顾客需求的约束下将顾客分配给仓库,下层规划确定每组仓库和顾客间的最优路径。扩展了危险化学品运输方式,满足了不同运输企业要求。3、基于混合启发式算法对模型进行求解。对于最短路模型,本文利用确定型方法和基于模糊模拟的遗传算法进行求解并对比其结果。基于多仓库车辆路径模型,本文采用了四种混合启发式算法进行求解,并对求解结果进行对比。4、采用多案例对两种模型进行求解。并将多种算法的结果以及耗时进行对比。验证了模型的可靠性以及算法的有效性。