随着全球经济一体化,许多企业会将自身的物流业务外包出去,以便专注发展自身的核心能力。为了采购运输服务,企业需要选择优秀的运输服务商来满足自身的运输服务需求。在采购运输服务的过程中,货主作为拍卖方将自身所需的运输需求发布出去,运输服务商作为投标方会根据自身的运力、线路、价格等因素进行报价,最后货主根据不同运输服务商的状况进行承运人选择和对应的货物分配。在运输服务采购问题中,采购成本通常是货主最关注的目标,运输服务商为了获得更多订购货运量,赚取更多利润,往往会使用总量折扣的定价策略来协调双方的利益。所以从实际出发,本文在运输服务采购问题中考虑总量折扣策略,以折扣后总采购成本最小化为目标,满足运输需求、最大运载量限制、最小货运量承诺、折扣区间限制等不同需求和商业约束,帮助货主进行承运人选择、货运量分配的决策。考虑总量折扣的运输采购问题是一个NP-难问题,随着问题规模的增大,商业整数规划求解器所耗费的时间呈显著增长,在实际应用过程中难以适用。因此本文对问题的求解进行了相应的设计。首先,将实际问题抽象成混合整数规划数学模型。其次,将对原问题的求解转化为寻找承运人折扣区间集合问题。最后,在寻找高质量折扣区间集合过程中结合了基于概率学习的分布估计算法的全局寻优特点和邻域搜索的局部寻优特性,提出一种平衡求解精度和求解速度的混合启发式算法,并且在整个算法求解的过程中融合了三种加速策略。仿真实验表明,该混合算法在一定程度上优于商业求解器CPLEX和经典的分布估计算法。该算法可以解决实际运输服务采购问题,能够节约采购成本,为托运人做出最优决策提供参考意见。