为提高疫情下医疗废物回收安全性,协同优化设施选址、运输选线和运量分配决策,首先,根据感染性病毒的环境传播特性,构建公众感知风险的立体式鲁棒度量模型;其次,以总风险和总成本最小为优化目标,通过设计公众感知风险的情景鲁棒参数,建立回收系统0-1混合整数多目标非线性鲁棒优化模型;然后,根据模型的计算复杂度,设计基于最小包络聚类-遗传算法分阶段求解步骤;最后,通过武汉市疫情医疗废物管理实际案例和多个拓展测试算例,验证模型和算法的有效性。结果表明:新模型和算法具有较强的计算稳定性,实际算例中,能够在890 s以内求得优化效果为0.86%的方案;对于临时中转站最大能力、固定建设成本和车流量系数的参数取值,新模型和算法都具有较强的参数敏感性;相较于传统的确定型优化模型,新建的鲁棒优化模型能够降低80.58%的总风险,减少55.48%的公众均摊风险;相较于传统的多目标求解方法,新算法能够缩短26.83%的求解时间,并且在求解更大规模的优化问题时,能够在增加22.25%的求解时间条件下,确保优化效果在5%以内。