随着我国经济的持续高速发展和信息技术的广泛应用,物流业正在加速变革,逐渐成为我国经济的支柱产业。以长江流域为代表的水路运输在物流运输行业的发展中发挥了至关重要的作用。在大数据背景下,长江船联网的兴建将船、货、港等基本信息互联互通,极大提高了水路运输效率,降低了运输成本,同时也衍生出许多新问题。本文主要分析了当前长江流域水路运输的发展现状,研究船主在掌握货物订单信息条件下的订单选择问题。同时,鉴于影响加油成本的港口油价以及船舶耗油率具有不确定性,为了控制经营成本,本文还考虑了航行速度和加油策略优化问题。针对单船调度和多船调度两种场景,分别构建了订单选择、航速控制、加油策略集成优化模型,并分别设计了遗传-粒子群算法进行求解。具体的研究工作如下:(1)单船订单选择、航速控制、加油策略选择优化模型:研究船主仅拥有一艘货船的情况下,如何在水路物流信息平台上进行订单选择,同时根据已选择的订单决定该船在不同港口间的最优航行速度以及加油策略。(2)多船订单选择、航速控制、加油策略选择优化模型:研究船主同时拥有多艘货船的情况下,如何选择订单并根据不同货船的运力对订单进行分配,同时优化多艘货船的速度和加油策略。(3)遗传-粒子群算法:鉴于单船与多船集成优化模型复杂、变量多且变量之间具有相关性,传统的数学优化算法的时效性与最优性受到很大限制。因此,本文将遗传算法与粒子群算法结合起来,分别针对单船和多船模型设计了遗传-粒子群算法,并验证了算法的有效性。在货运信息透明的情况下,船主如何高效选择订单成为航运企业亟需解决的实际问题。本文提出的货船订单选择方法,为大数据背景下船主如何在线选单提供了决策支持。同时,从控制可变成本的角度出发,提出航速控制与加油决策模型与算法,对于解决长江中小型航运企业运营成本高的经营困境具有很大的现实意义。