带边中断动态网络最大流问题(Maximum Total Flow with Flexible Arc Outages,MaxTFFAO)是从港口的日常设备维护作业中产生的优化问题。该问题将煤炭从矿山开采,经铁路运输,至码头前沿的整个过程抽象为一个网络,对网络中的设备进行维护时,网络中弧的状态发生变化,网络中的流量也因此变化。当一定数量的设备进行维护时,需要有计划的调度不同的维护作业,从而使整个网络中煤炭的输出量达到最大。同时该问题也是一个由网络流问题和调度问题相结合的组合优化问题,具有较强的NP难特性。对MaxTFFAO问题算法研究过程中使用到了大量的精确式算法和元启发式算法。精确式的算法如分解算法,混合整数线性规划等,使用这类算法虽然能够获得该问题的最优解,但是当问题规模较大时,求解耗时较长,应用成本较高。使用元启发算法求解该问题的过程中,虽然能够在一定的时间范围内获得问题的解,但是由于算法中参数设置的不合理性,所获得的问题的解不一定是该问题的较优解。而元启发式算法发挥其算法性能的关键很大程度上取决于算法本身的参数设置,因此有必要对元启发式算法应用于求解MaxTFFAO问题过程中的参数设置问题展开研究。本文利用参数分析工具irace,对求解MaxTFFAO问题的元启发式算法中的参数进行优化,提升了元启发式算法应用于实际问题求解中的算法的性能。本文主要的研究内容和创新点如下:(1)首先本文对所研究的问题的背景和研究意义进行阐述,介绍了带边中断动态网络最大流问题以及求解优化问题常用的元启发式算法,以及国内外对含参数的元启发式算法参数分析方法的研究现状,并对在本课题研究过程中所使用到的算法理论,以及最新的参数分析方法进行了介绍。(2)以MaxTFFAO问题为研究目标,对已有求解该问题的随机贪婪自适应搜索算法和混合禁忌搜索算法进行参数分析,获得两种算法最优的参数设置,并通过了实验验证。在混合禁忌搜索算法获得优化参数设置的基础上,对其从积极作业个数,搜索策略,初始解三个方面进行改进,提升混合禁忌搜索算法的性能。(3)设计了禁忌搜索和迭代邻域搜索算法相结合的混合元启发算法,对其中的关键参数进行参数分析,获得该混合元启发算法求解此问题最优的参数设置,同时也获得了混合元启发式算法求解该问题到目前为止的较优解。所有的分析与改进均通过实验的方式对比验证。本文创新性的将irace应用于MaxTFFAO问题的求解过程,使得参数优化设置之后的混合元启发算法更加符合该问题的背景及算法的运行情况,从而提升了算法在实际应用中的求解性能。