随着经济一体化、全球化趋势的发展,我国国民经济和对外贸易迅速增加,散杂货运输量呈现较高的增长态势。快速上升的散杂货输运要求和客户需求的日趋多样化在给港口企业带来机遇的同时也给港口服务能力带来了极大的挑战。因此,如何利用港口现有的设施资源,采用现代化物流管理模式,增强港口信息化建设和应用水平,以缓解港口吞吐量压力,提高装卸作业效率、服务能力将成为我国散杂货港口进一步发展的关键。堆场调度是港口企业生产作业的核心业务之一,特别对于我国南方散杂货港口,由于堆场资源极度紧缺以及货物堆存地点选择的多样性,根据货物的属性和堆场特点,合理进行堆位分配可以有效提高港口作业效率和优势堆场利用率,降低港口作业复杂度和转栈作业量。本文面向多限制条件下的南方散杂货港口堆场多目标优化调度问题,以广东省教育部产学研项目《广州港集团生产业务管理系统及通用软件产业》(2008B090500244)、《基于RFID的港口汽车滚装管理系统应用示范工程》(2009B090300467)和国家自然科学基金重点项目《物流资源整合与调度优化研究》(71132008)等为支持,深入分析了以广州港集团为代表的我国南方散杂货港口堆场调度的特点和现状,综合应用本体、本体推理、神经网络和遗传算法等理论和方法,设计并构建了基于本体和进化算法的散杂货港口堆场智能调度系统,主要研究内容和成果如下：(1)提出了基于本体和进化算法的散杂货港口堆场智能调度系统框架本文在对我国南方散杂货港口堆场调度业务规则、优化目标充分分析的基础上,针对目前港口堆场调度过分依赖人工经验,缺乏优化标准、计划性和反馈机制等问题,提出了基于本体和进化算法的散杂货港口堆场智能调度系统(Ontology and Evolutionary Algorithm Based Bulk-Port Stack-Scheduling System, OEABSS)体系框架,采用定性推理和定量计算相结合的方式,解决多限制条件、多影响因素下的堆场多目标优化调度问题。应用本体作为系统的知识描述语言,并实现基于本体的货物和堆场约束推理；应用神经网络和遗传算法等进化方法实现堆场智能调度系统中的疏运量预测和堆位分配问题求解。(2)提出了基于多项改进BP神经网络的散杂货港口月疏运量预测模型本文在对反向传播(BP)神经网络存在问题以及改进策略深入分析的基础上,根据散杂货港口月疏运量预测问题不确定性高、样本波动大等特点,从样本选择和预处理、BP网络结构确认、权值阈值初始化、网络训练仿真等多个方面引入多种优化策略,提出了一种基于多项改进BP神经网络的预测模型构建方法(Multi-Improved BP-ANN Forecast Model Building,MBPFB),为堆位智能分配提供依据。通过应用补偿策略、比对法、遗传算法、滑动窗口法等多种优化策略和改进方法,较好地解决了预测过程中由于样本波动、训练顺序等原因而引起的过拟合问题,提高了神经网络算法的收敛效率,以及模型对样本以外数据的预测精度。(3)提出了港口综合物流交叉领域本体构建和集成方法本文在对已有的本体构建和集成方法深入研究的基础上,以实现港口堆场调度推理作为本体构建的最终目标,针对港口综合物流交叉领域本体数据源分散、知识完备性要求低等特点,提出了交叉领域本体构建的4项原则,并在此基础上提出了一种自顶向下的基于本体集成的港口综合物流交叉领域本体构建方法IDOBM (Intersect Domain Ontology Building Method)。并针对其中交叉领域本体集成问题,提出了交叉领域本体集成体系框架,以及基于目标关联度的港口综合物流交叉领域本体集成方法IDOIM (Intersect Domain Ontology Integration Method)。该本体构建和集成方法可以有效提高交叉领域本体构建效率,降低构建复杂度,克服传统本体构建方法中现有本体重用困难和共享词表难以建立等问题。(4)提出了基于改进NSGAⅡ算法的复杂多目标优化问题求解方法本文在对多目标优化问题求解方法充分研究的基础上,针对散杂货港口堆位分配问题搜索空间大、限制条件复杂、影响因素众多等特点,结合港口综合物流本体,提出了基于改进NSGAⅡ算法(带精英策略的快速非支配排序遗传算法)的多目标优化方法。通过应用约束限制矩阵、随机修复算子以及基于遗传代数的自适应交叉、变异概率等改进方法,提高了算法的运算效率和收敛性,并更好地保持了解的多样性。(5)实现了OEABSS原型系统开发在前文研究的基础上,应用J2EE-MVC、Hibernate和Spring联合技术框架,融合RCP、Protege、Jess等关键技术,完成了OEABSS原型系统的构建,实现了基础数据管理、堆位匹配度评价和堆场智能调度等核心功能。