随着经济规模的不断扩大，传统单一的供-需的运输模式已经远远不能满足现实的需要。从供应链管理的角度来看，要实现供应链整体效益的提升，多级运输是现实的选择。多级运输表现为数学模型就是多层决策模型。传统的运输问题目标函数只有运输费用。然而，交货时间，风险，客户满意度都是运输方案不可忽视的重要指标。因此，运输问题还应同时考虑多个目标。使用清晰的数值来刻画运输参数，往往无形中损失了有用的信息。为了处理由于客观因素和主观因素造成的不确定性，人们分别使用随机变量用来描述和刻画随机现象，用模糊集来描述和刻画模糊现象。在复杂的现实决策环境下，随机性和模糊性往往同时存在，无法明晰地区分。为了刻画这两种同时存在的不确定性，可以采用模糊随机变量进行刻画。在现有的运输问题研究中，多层性，多目标性，模糊随机性这几个方面同时考虑的还很鲜见。而将这三种特性同时在运输问题中进行考虑，不但具有理论意义，同时也具有实际应用意义。　　为此，本文在广泛借鉴和吸收国内外研究成果的基础上，以二层多目标规划模型为框架，以模糊随机理论为基础，以实际问题为背景，对模糊随机环境下的二层多目标运输问题的的模型和算法进行了研究，建立了若干的不同决策条件下的模糊随机环境下的二层多目标运输问题模型。首先建立了模糊随机环境下的二层运输模型。针对一个由生产者和中转中心构成的联合体，根据二者在决策系统中的地位不同，设计一个二层数学模型来优化二者的目标。上下两层决策的目标都是自己的收益最大。由于在这决策系统中存在诸多不确定性，为了刻画这些复杂的不确定，将生产量、单位生产费用、市场需求和价格设为模糊随机变量。从而建立模糊随机下的二层运输问题。为了处理模糊随机变量带来的模型数学意义不明确，首先采用Puri和Ralescu定义的模糊随机变量的期望值算子，将原模型转化为一个模糊二层规划模型，在基于α-截集的概念，将模糊二层规划模型转化为清晰的参数二层规划模型。对于固定的α值，利用改进的Kth最好方法求解，对一个实际问题的应用研究表明了模型和算法的有效性。在对比分析中，将生产者和中转这些的位置互换，计算结果表明，处于上层的决策者拥有更多的主动权，可以获得更好的目标值。　　在单目标模型的基础上，讨论了模糊随机环境下上层带有多个目标的二层多目标运输模型。由于生产者的产品的特殊性，生产者不仅要考虑收益最大，也希望以最短的时间将产品运往中转这些进行处理。因此，建立模糊环境下，上层有多个目标、下层有一个目标的二层运输问题模型。假定决策者希望在期望约束下优化期望目标，采用期望值模型的思想对原模型进行处理。为了使得结果更具一般性，将模型一般化，得到模糊环境下，上层有多个目标、下层有一个目标的二层决策模型。针对某些特殊的线性情况，先转化为清晰的等价模型，再使用改进的分枝定界法进行求解。对一般的模型，将对模糊随机变量期望值的模拟嵌入到遗传算法中得到混合智能算法。用随机权重法对多目标进行处理。对一个实际问题的应用研究表明了模型和算法的有效性。在对比分析中，将两个决策者进行合并，计算结果表明，上层决策者通过单层模型得到的目标值要劣于通过二层模型得到的目标值，下层决策者的情况正好相反。　　接下来，构建模糊随机环境下下层带有多个目标的二层多目标运输模型。由于中转中心具有销售的功能，为了长远的利益，中转中心不仅要考虑收益最大，还需要使客户的满意度最高。因此，建立模糊环境下，上层有一个目标、下层有多个目标的二层运输问题模型。假定决策者希望在机会约束下优化目标，采用机会约束规划模型的思想对原模型进行处理。为了使得结果更具一般性，将模型一般化，得到模糊环境下，上层有一个个目标、下层有多个目标的二层决策模型。针对某些特殊的线性情况，先转化为清晰的等价模型，再使用的KKT法进行求解。对一般的模型，将对模糊随机模拟的嵌入到遗传算法中得到混合智能算法。用适应性权重法对多目标进行处理。对一个实际问题的应用研究表明了模型和算法的有效性。在对比分析中，去掉下层决策者客户满意度的目标，计算结果表明，下层决策者可以获得稍微多的收益。这是在牺牲客户满意度的条件下获得的，从长远来看，可能是得不偿失的。　　然后考虑了模糊随机环境下上下两层均带有多个目标的二层运输模型。将前面的目标都考虑进来，即可得到模糊随机环境下，上下两层均带有多个目标的二层运输问题模型。假定决策者能够给定目标的理想值，并且希望好于理想值的机会最大，则采用机会最大模型对原模型进行处理。为了使得结果更具一般性，将模型一般化，得到模糊环境下，上下量层均有多个目标的二层决策模型。针对某些特殊的线性情况，先转化为清晰的等价模型，再使用的模糊决策方法进行求解。对一般的模型，将对模糊随机模拟的嵌入到遗传算法中得到混合智能算法。用妥协法对多目标进行处理。对一个实际问题的应用研究表明了模型和算法的有效性。在对比分析中，改变遗传算法的一些参数，计算结果表明，目标值变化不大，算法具有较好的鲁棒性。　　此外，创建了模糊随机环境下的分散二层多目标运输模型。考虑到生产者的产品由于数量大、品种多，需要与多个中转中心进行合作。由于复杂的市场环境，将运输时间，市场需求和市场价格设为模糊随机变量。上层决策者，即生产者要优化两个目标:获利最大，运输时间最短;下层决策者，即中转中心希望收益最大。于是，建立模糊随机环境下的分散的二层多目标运输问题模型。对模糊随机目标采用期望值算子进行处理，而对模糊随机约束条件采用机会约束方式进行处理。为了使得讨论更具一般性，将模型一般化，得到模糊环境下，分散的多个目标二层决策模型。针对某些特殊的线性情况，先转化为清晰的等价模型，再使用的交互式模糊规划方法进行求解。对一般的模型，将对模糊随机模拟的嵌入到遗传算法中得到混合智能算法。对一个实际问题的应用研究表明了模型和算法的有效性。为了讨论下层决策者之间的关系对决策的影响，将下层决策者进行合并，重新计算的结果表明，完全的合作会使得下层决策者从整体上更具竞争力。　　本文对模糊随机的二层多目标规划运输模型进行了理论分析，设计了算法并进行了分析和讨论。在实际的运输问题进行了模型，算法和实证分析上的讨论。本文的研究工作无疑对模糊随机二层多目标规划和复杂运输问题的的研究起到了积极的推动作用。