运输调度系统是一个涉及多因素、多层次的大规模复杂系统，是一个在时间和空间上的分布式、非线性、时变的随机系统。对于物流企业来说，运输调度运行成本占了企业运营总成本绝大部分比例。多智能体（Multi-Agent）技术具有自主性、分布性、协调性，并具有自组织能力、学习能力和推理能力，引入Multi-Agent技术构建运输调度系统体系结构；由于物流运输调度环境的不确定性，应用模糊随机建模方法及智能优化技术，解决不确定环境下的基于Multi-Agent技术的复杂运输调度系统的模糊建模及优化问题。因此，降低运输成本，优化物流运输调度对于提高经济效益具有很重要的现实意义。首先，根据物流企业运输调度系统的特性，运用多智能体技术的相关理论与模型构建方法，构造了基于多智能体技术的物流企业运输调度系统的体系结构，该体系结构主要由五个独立的Agent模块组成，即协调Agent、运输订单Agent、运输调度Agent、车辆Agent以及路网信息Agent。根据单智能体结构模型的建模方法以及各Agent的不同行为和功能，为各Agent设计其内部结构模型。然后，应用模糊随机建模技术及基于隶属度函数的模糊建模方法，结合物流运输调度的实际情况，对运输调度系统体系结构中的运输调度Agent模块，构建基于三角模糊数的模糊目标和模糊约束的全模糊运输调度模型。通过构建模糊目标和多模糊约束的极值区间以及利用模型的隶属度函数，将全模糊问题进行模型转化，再利用集结函数对模糊目标和多模糊约束的隶属度函数进行集成。根据拟生态优化算法中的遗传算法理论基础与基本操作流程，对所构建的模型进行迭代优化求解。最后，根据运输调度系统的实际情况，将上述建模与优化方法应用于某水泥物流企业的运输调度系统中，构建了基于三角模糊数的全模糊规划模型，再利用基于隶属度函数的模糊优化方法，结合MATLAB软件，对文中构建的模糊目标和模糊多约束的运输调度模型运用遗传算法进行迭代优化求解，从而得出在某一可能性水平下的近似最优解。通过实例分析，得出所建立的运输调度模型适合于物流企业的运输调度要求，并且使用遗传算法进行优化所得到的解更具有可行性和实用性。能够优化调度方案，降低运输成本，从而提高企业的经济效益。