船舶运输是大宗工业货物的主要运输方式,近年来其货运量在不断地增大。由于大宗工业货物单件较大、生产周期较长、交付期不确定的特点。大宗货物的生产企业通常是按订单生产,按需进行货物配送,因此,企业通常会结合生产的进度采用提前租船的方式实现货物配送,俗称不定期船配送。由于不定期船灵活的特点,在配送过程中会出现即期货物需求同时也会遇到很多扰动因素,如果不及时处理扰动因素,会导致航线成本增加、船期延误、船舶使用率降低及企业信誉降低等负面影响。所以对于企业来说,制定船舶初始运输方案以及在实际运输过程中遇到扰动因素及时对其进行动态调度是降低企业运行成本、提高企业利润的核心问题,开展相关方面的研究具有十分重要的理论和现实意义。本文着重研究了多船舶、多港口、多货物的不定期船调度问题。首先以船舶运输量最大、航海里程最短为目标构建静态调度模型,在实际运营过程中,考虑需求变动和港口时间窗变动扰动因素,以与静态调度模型偏移成本最小为目标构建动态调度模型。其次,构建两阶段遗传算法设计静态调度方案,在两阶段遗传算法框架中引入了最优航线生成算法、载重量约束算法和港口时间窗约束算法进行模型求解,其中最优航线生成算法作为两阶段遗传算法的解码方式,将遗传变异后的子代解码为不定期船的航行航线;载重量约束算法和港口时间窗约束算法检验子代是否为可行解,并生成船舶载货方案。在静态调度方案基础上,结合需求变动和港口时间窗变动扰动因素设计了动态调度算法。最后基于上海宝钢有限公司遇到的船舶调度难题进行实例分析,针对货物需求租用并调度4艘江船和8艘海船,制定船舶运输量最大、航海里程最短的静态调度方案,也可以在船舶运营过程中遇到需求变动和港口时间窗变动扰动因素时,最小化对静态调度方案的偏移成本从而制定动态调度方案。而且本文使用的两阶段遗传算法可以降低搜索空间,避免出现大量的无效解,使用数据库的存储记忆功能防止反复计算,提高运行效率。研究表明,通过使用本文的模型和算法,可以最大程度的装载货物、合理安排挂靠港序、航行最短里程,也可以在出现扰动因素时及时对船舶动态调度,最大程度的降低与原方案的偏移成本。最终可以为宝钢部门在对不定期船调度时提高船舶装载率、降低运输成本,且在遇到扰动因素时及时动态调度,将与原方案成本损失降为最低。同时本文所提出的研究方法也可以应用在其他大型工业企业的船舶调度中,对企业有一定的参考价值。