本文研究了现代物流行业中具有广泛关注的两类优化问题:一类是运输服务采购的优化问题,另一类是线上线下（O2O）外卖配送的优化问题。随着全球化的趋势,运输服务在全球贸易的地位也越来越关键,并且运输服务的外包已然成为现代物流业中的普适性手段。全球贸易公司（货主）通常采取反向拍卖的形式从全球运输服务商（承运人）处购买运输服务以满足自己的货运需求。运输服务采购方案的优化可以帮助货主在运输计划阶段节省成本。除此以外,大多数货主还关心除成本因素以外的其它因素,例如服务质量和服务可靠性等。首先,本文研究了运输服务采购中的双目标优化问题,该问题是对经典运输服务采购问题的扩展,即以最小运输成本和最短运输时间为目标。对于货主而言,即使需要额外的运输成本,较短的运输时间也更具吸引力,因为敏捷的供应链可以更好地帮助货主增加收入。相对于海运,公路卡车货运的运输服务商的数目通常是几十个,精确方法无法找到所有非支配解。本文提出了基于TPEA算法的两阶段多目标优化算法。仿真结果表明本文提出的算法优于其他两种精确方法和经典的启发式方法NSGA-Ⅱ,并且能够得到大多数实际应用规模的算例的非支配解集。其次,本文研究了另外一种同时考虑运输时间和总量折扣的双目标运输服务采购的优化问题。本文提出了一种新的双目标分支定界算法,该算法采用新的上界集和两个更强的剪枝规则来提高计算帕累托前沿的效率,同时了采用两种有效的减小搜索区域的方法来改进下界集,还提出了一种混合分支方法（先在决策空间分支后在目标空间中分支）。在计算实验中,本文生成了一组模拟满载集装箱海运服务采购的测试数据。仿真结果表明本算法能够解决实际规模的算例。进一步分析表明,引入总量折扣到运输服务采购中可以有效地改善货主的决策。最后,本文研究了面向O2O平台的带时间窗的双目标外卖配送路径优化问题,以最小化骑手的总工作时间和客户的总等待时间为优化目标。对于大多数O2O外卖平台,除了通常考虑的日常物流运营成本之外,还需要考虑为客户提供的服务质量等因素,因为它可能也会影响该平台在行业的竞争力。本文构建出一个双目标模因算法,它在多目标进化框架中加入多方向局部搜索策略,并使用了路径组合方法进一步提升最终的帕累托前沿。实验结果表明,该算法能够有效改善O2O应用中的外卖平台决策。