随着经济全球一体化，中国国际贸易总额稳定增长，海运物流作为国际贸易最为重要的运输方式得到了极大地促进及发展。海运物流作为一个由多个基本功能组成的复杂业务，需要整合多方资源来满足每一个顾客的个性化需求。　　本文基于服务化的理论对海运物流过程进行分析和研究。对于服务，通常可以从服务功能和服务质量两个方面进行描述。实际上顾客往往仅提出宏观的、模糊的、非确定的个性化需求，而不能提供具体的服务功能特征和服务质量需求，如何从顾客提出的个性化需求中发现服务功能特征成为一大难题。另外，通过基于服务质量的服务选择来降低服务成本也是当前研究的热点问题。针对上述问题，本文从以下两个方面进行研究：　　首先给出顾客个性化特征和服务特征来对海运物流服务及相应顾客进行描述。以双方特征为节点建立贝叶斯网络初始框架，从历史数据中使用贝叶斯估计方法来学习网络参数，使用贝叶斯评分结合 K2算法或人工蜂群算法来学习网络结构，得到成熟的贝叶斯网络。在海运物流场景中验证了贝叶斯网络在个性化服务特征发现问题上的有效性。　　其次以服务质量为优化目标，为服务选择问题建立了多目标优化问题模型。在多目标的处理上，若存在目标分量权重，则转化为基于聚集函数的单目标优化问题，为此设计了改进的单目标人工蜂群算法来寻找最优解。若不存在目标分量权重，则基于帕累托占优机制和人工蜂群算法，为多目标优化问题设计了改进的多目标人工蜂群算法来寻找所有的非支配解。最后在海运物流场景下验证了改进人工蜂群算法的有效性。