物流运输是经济和社会发展的重要驱动因素之一,而集装箱货运作为全球最先进的物流运输手段承担了全球90%的货运贸易。纷繁复杂的集装箱不利于集装箱货运的高效进行。因此,标准化模块集装箱的合理选择和有效使用是政府等相关决策机构提升整个集装箱货运体系的运作效率所面临的重要决策问题。在绿色可持续物流的发展理念下,还需要将可持续性相关的因素同时纳入到决策机制体系中。然而现有研究却缺少从可持续性角度满足当前背景下的诉求。另一方面,一些客户为导向的物流研究中指出考虑顾客的决策行为可以有效提升物流系统运作效率。然而在现有研究中托运人动态的选择偏好难以在模型中有效刻画。并且现实情况中由于托运人对集装箱的选择决策非常容易受到外界情况的扰动而表现出相当程度的随机性,这种难以刻画且捕捉的托运人的随机性的选择偏好导致了迄今为止在标准化模块集装箱的选择研究中却几乎没有加入对当前决策体系下的“顾客”,即托运人的选择偏好的考虑。因此本文综合经济、社会与环境等多个因素,构建考虑托运人选择偏好的标准化模块集装箱选择模型从而有效地解决当前面临的痛点,最终为政府及相关决策组织提供高效准确的智能决策方案。本文主要的研究内容如下。首先在通常构建了考虑综合考虑经济、社会与环境的多准则标准化集装箱选择DEA模型,实现将现实世界中复杂动态的托运人选择行为在模型中准确刻画。第二部分利用贝叶斯网络方法研究了现实中更加普遍的非完全理性情况托运人随机偏好的识别与捕捉。通过设计了一个可以应对高效地从普遍存在噪声且规模较大的数据的高效贝叶斯网络结果学习算法——基于最大主子图的动态多目标离散人工蜂群算法（MPD-DMDABC）,实现了对托运人在受到多种错综复杂且模糊的因素情况下的随机性托运人选择偏好的识别,最终解决了不确定性偏好对第一部分模型中的SPM造成的不确定性扰动而造成的模型失效的问题。本研究的创新性如下。第一,本研究使用DEA方法综合考虑了在标准化模块集装箱选择中的经济、社会与环境三个方面的因素,弥补了现有研究中所忽略的对能源消耗与环境污染等可持续性方面因素的综合考虑。同时DEA方法有效解决传统研究中处理多因素问题产生偏差。第二,本研究解决了将现实世界中复杂动态的托运人选择行为在模型中有效刻画的问题,本研究很可能是迄今为止首次将托运人选择偏好的因素在标准化模块集装箱选择中有效刻画的研究。第三,本研究实现从托运人的选择数据中挖掘其偏好模式从而获得非完全理性下托运人的随机选择结果。有效解决了现实中普遍存在非完全理性托运人的随机性偏好导致的SPM矩阵的扰动与无法确定的问题。这种无法确定的SPM会造成的上述标准化模块集装箱选择模型无法使用。第四,本研究设计的贝叶斯网络学习算法——MPD-DMDABC,相对于现有其他算法可以更加准确高效地从当前普遍存在噪声且规模较大的数据中学习到可以动态适应不同需求条件的贝叶斯网络模型。