针对基于降维技术改进的多目标A ^*（NAMOA _dr ^*）算法中存在的高原搜索现象，结合蒙特卡罗随机游走策略提出了一种基于随机游走的多目标A ^*（RWNAMOA _dr ^*）算法，其基本思想是当NAMOA _dr ^*算法陷入高原搜索时，利用随机游走策略及时找到一个出口（具有被上次扩展标签的启发值非支配的启发值的标签）逃离该高原搜索。针对NAMOA _dr ^*算法何时陷入高原搜索的问题，提出了一种检测高原搜索的方法，即当连续扩展 m次标签的启发值都被上一次扩展的标签的启发值支配时则认为NAMOA _dr ^*算法陷入了高原搜索。使用多目标搜索算法的标准测试平台——随机网格进行了实验。实验结果表明RWNAMOA _dr ^*算法比NAMOA _dr ^*算法的运行时间平均减少了50.69%，占用的空间平均减少了约10%，能够为现实生活中加速多目标路径搜索提供理论支撑。

K条最短路径(KSP)问题是国际航线网络实际路径优化问题。通过对航线网络特征与K条最短路径算法的分析，研究了解决KSP问题的典型Yen算法。针对Yen算法求解候选路径占用大量运算时间的问题，提出一种改进Yen算法。改进Yen算法通过借助A*算法的启发式策略，减少了产生候选航线路径的时间，从而提高了算法的搜索效率并减小了算法搜索的规模。通过对国际航线网络实例的仿真，实验结果表明改进Yen算法能够快速求解国际航线网络中的KSP问题;同时，与Yen算法相比，运算效率提升了75.19%以上，能够为航线路径优化提供决策支持。