设施选址问题是一类被广泛研究的优化问题,在互联网、分布式计算和数据挖掘等领域都有广泛应用。设施选址问题一般是从一个对象集合中选择若干对象作为设施来服务其它对象,目标是使服务费用最小。本文研究的设施选址问题是将传统的设施选址问题与网络流问题相结合,给网络图中的边添加了带宽的限制,使设施点向需求点传输流量时受到带宽的约束,即带宽限制的设施选址问题。围绕带宽约束的设施选址问题,本文展开了以下研究:当设施集确定时,带宽限制的设施选址问题转化为最小费用流问题。针对最小费用流问题求解速度较慢的情况,本文提出了近似的最小费用流算法——并行费用流算法。并行费用流算法的速度与传统的最小费用流算法相比提高了几十倍,且解的费用的与最小费用非常接近。另外,本文针对当前设施集的邻域搜索,分别提出了设施推荐算法和设施去除算法。设施推荐算法以增加当前设施集的最大流和设施点对当前设施集的贡献度为依据,设施去除算法以去除每个设施点后所增加的路径费用的估计值为依据。将设施推荐算法和设施去除算法作为启发式信息结合到遗传算法和模拟退火算法中,使这两个启发式算法的性能得到大幅的提升。此外,本文提出了广义需求点思想,通过将设施点视为需求点,并在设施点之间传输流量,以此通过设施集的可行费用流得到邻域的可行费用流,并证明了广义需求点思想的可行性。在此基础上,通过证明,给出以当前设施集的最小费用流计算邻域的最小费用流的快速算法。并以此给出了基于广义需求点思想的启发式算法。实验表明,若计算时间更为宽裕,该算法能得到更加逼近最优解的解。另外,本文基于该算法实现了一个带宽限制的设施选址问题系统,该系统能对输入的设施选址问题进行预处理并求解,最终给出设施部署方案。