全球经济贸易的迅速发展使得物流规模不断扩大,相比于铁路运输及空运,航运具有更良好的综合性,因此在贸易运输中承担着更重要的责任。集装箱运输在航运领域占有极为重要的地位。港口组织生产和运输过程中,不可避免会产生倒箱操作,这种操作提高了堆场作业成本,降低了其作业效率。因此,解决好倒箱问题,对于提高航运的生产效率,增强港口的竞争力,有着相当的意义和价值。集装箱装船顺序会直接影响倒箱量的数目。该问题可以归结为一个带约束的组合优化问题,过去用分支定界等求解具有局部收敛等缺陷。随着各种群智能算法的相继提出,为更加合理的设计集装箱装船顺序,提供了新的有效途径。本文采用群智能算法求解装船顺序优化问题。在已知集装箱堆场堆放状况的情况下,根据给定的集装箱装船配载图,首先建立了目标函数为最小倒箱量的数学优化模型。然后基于粒子群算法并加以改进,提出一种并行遗传粒子群算法(Parallel genetic particle swarm optimization algorithm, PGPSO),其基本思想是采用两个并行的子群体,每个子群体分别按全局版和局部版的PSO进化,将两种PSO的优势互补,兼顾快速性和防早熟。此外,遗传算法的交叉和变异算子的引入,使得算法适用于求解离散的组合优化问题。为验证提出算法的性能,文中将其应用于求解已知最优解的经典函数优化问题,优化结果验证了其可行性和有效性。在此基础上,针对集装箱装船顺序优化问题,分别将最低栈和优化栈倒箱原则应用于所提算法的两个子群体,并给出了求解此具体问题的交叉和变异策略,特别是借鉴启发式算法的思想,给出的变异策略,可有效的提高所提出算法求解此问题的性能。文中将算法应用于前述数学模型,求解了不同规模的实际装船顺序优化问题,并对结果进行了分析和对比。研究表明,提出算法对于提箱装船顺序问题是有效的,获得了较好的优化结果,所得的装船顺序方案令人满意。本文的工作能够为集装箱船舶装船操作提供科学的依据,达到码头船厂节约成本、提高效率的目的。论文的研究具有一定的理论意义和实际应用价值。