现代物流业的不断发展,推动客户需求更加趋向多样化、个性化。竞争日益激烈的运输服务市场使得物流服务商开始摒弃传统的以收益为唯一目标的做法,更注重提升客户体验。在实际的运输服务采购活动中,运输服务采购市场既包括长期合作市场也包括现货市场。物流需求的不确定性,使得承运人经常面临突发性物流运输需求,长期市场带给承运人的成本优势往往因市场需求的波动而削弱,而现货市场可以很好弥补长期市场需求波动而造成的资源浪费,因此,现货市场的补充作用对承运人显得十分重要。现货市场的补充机制对承运人的增益作用需要通过合理的选择策略来实现,科学合理的运输服务组合选择可在增加承运人收益的同时,提升客户满意度,进而促进承托双方的稳定合作。因而,承运人如何平衡两个市场,选择最优的运输任务组合是一个重要问题。本文基于承运人视角,通过查阅文献资料,总结运输服务采购问题的相关理论和模型,详细描述了不确定需求下考虑零担物流和整车物流的运输任务组合问题的基本特点,并根据特点分析构建满足多目标的运输任务组合问题数学模型。但在实际的物流活动中,运输任务组合问题与车辆路径问题都是NP-hard问题。大量研究表明,求解质量高、收敛速度快的算法对求解此类大规模问题更具有优势。因此,本文提出了基于混合选择和贪婪思想的多目标粒子群算法对模型求解。首先,通过随机选择权重对长期市场任务组合以及任务量进行选择;其次,基于已选择的长期市场任务和现货市场任务间的时间非重合比和现货市场任务的经济效益比完成现货市场任务选择;最后,根据基于贪婪思想的车辆路程规划算法对已选择的任务进行配送。为验证所建立模型与设计算法的有效性,本文通过一个数值算例进行分析。计算结果表明,考虑现货市场时,托运人满意度虽小幅度下降,但承运人收益和资源闲置率都比仅考虑长期市场时的解更具优势;同时,相较于隶属度函数求和法解,多目标粒子群算法解在承运人收益和满意度方面的表现都更加优异。