经济全球化促进了集装箱海运的快速发展,同时也加剧了港口之间的竞争。泊位和岸桥作为港口重要的资源和设备,如何能够合理地对其利用,缩短船舶的在港时间,对提高港口装卸作业效率,增加其综合竞争力具有重要的意义。本文主要围绕泊位与岸桥联合调度问题进行相关的研究。首先,在调度问题国内外研究现状综述的基础上,以最小化船舶在港时间为目标,考虑了岸桥不能交叉、岸桥的干扰等待时间等实际约束,分别建立离散泊位、连续泊位与岸桥联合调度的两类问题数学模型。其次,为解决该联合调度优化问题,采用一种新颖的蝙蝠算法进行求解。针对蝙蝠算法存在早熟、收敛速度慢和收敛精度不高等问题,提出了一种改进的并行蝙蝠算法(Improved Parallel Bat Algorithm,IPBA)。主要改进措施有:一是给出了一种基于免疫浓度的混沌初始化,选择适应度高、浓度低的个体组成初始群体,可抗早熟且提高收敛速度;二是引入并行策略,将种群分为探索与开发两个子群体,采用不同的惯性权重和停滞变异策略分别进化。定期进行子群体间的信息交换,能充分发挥并行优势,提高算法整体性能。为了适用于调度问题的求解,将IPBA相关操作进行离散化处理,使得所提的IPBA可用于求解连续、离散及混合变量优化问题。将IPBA用于求解经典函数优化和旅行商问题(Travelling Salesman Problem,TSP),对优化结果进行对比分析,验证了所提IPBA的可行性和有效性。最后,将IPBA用于求解泊位与岸桥联合调度优化问题。针对问题数学模型,基于所提算法,分别设计了算法的个体编码和初始种群生成方案,以及相关操作的具体实现。然后对两类问题模型的不同规模实例分别进行了求解,结果表明,所提算法给出的优化调度方案,可在满足相关约束条件下,使得动态到港船舶的在港时间更短。验证了给出的IPBA在求解泊位与岸桥联合调度优化问题中具有较好的性能。本文的工作对相关优化算法的探索和工程实用化,以及集装箱港口泊位与岸桥联合调度问题的更好求解,提供了借鉴和支持。