随着服务业竞争的加剧,如汽车租赁、酒店、航空等行业越来越多地使用超售的方法来降低风险,提高收入。所谓超售是指预售出的产品数量超过自身拥有的产品数量。汽车租赁、酒店、航空等行业的产品具有易逝性特点,如果产品当天没有被销售出去,则该产品这一天为企业创造的收益为零。在实务中,这些行业的产品通过呼叫中心来提供预定服务,但有的消费者预定产品后并没有接受服务(No-show),而且这种情况在节假日表现得尤为明显,因此这会造成产品的利用率低下。而使用超售策略就能够有效地减小因取消预订和No-show所造成的损失,增加收入。目前收益管理领域内的研究多从最优控制的角度出发,研究者往往假设决策者是绝对理性,这无异于把决策主体看作是精准的计算机器。但是在现实中,决策者往往没有受过专门的优化理论训练,也没有专门的计算机系统帮助决策。因此无法快速精准地进行决策。启发式算法可以有效解决这个问题,但是目前还少有人研究存在升级情况下的超售问题的启发式算法。本文研究了汽车租赁行业的超售决策问题,分析了无升级情况下以及存在升级情况下启发式算法的性质,并进行了鲁棒性分析,经过分析,启发式算法的适用性很强,汽车租赁行业的决策者无需借助计算机的精确计算也能进行快速有效的决策。针对传统的最优算法计算机搜索求解方法效率低下的问题,本文提出了两处改进的地方。使用正太分布替代二项分布来模拟消费者的取车行为,加快计算速度,同时,在搜索最优解时,本文给出了搜索初始值及搜索方向的计算方法。根据启发式算法的性质,我们设计了实验来研究决策者的超售决策行为,并验证启发式算法的决策效果。发现实验参与者在决策过程中存在反馈机制,随着可用车辆数的变化,决策者对待风险的态度也有所变化。实验参与者同样被要求参与对比实验,最终的数据显示,实验参与者应用启发式算法后,决策效果显著提高。与计算机的决策结果非常接近。