近年来,集装箱海上运输的快速发展给集装箱码头带来了前所未有的压力和挑战。集装箱码头作为海陆运输的中转节点,是集装箱集疏运体系中的重要场所,在经济贸易活动中扮演着重要的角色。在面对日益增长的集装箱运输量以及集装箱码头间激烈的竞争时,集装箱码头运营方对提高集装箱码头的竞争力有着实际而明确的要求。这不仅是码头自身运营的要求,同时也是其所在国家提升经济发展和物流水平的需要。因此,码头运营方必须考虑优化生产作业资源的综合调度,以提高集装箱码头装卸系统（Container Terminal Handling Systems,CTHS）的运行效率。CTHS是集装箱码头的核心生产作业系统,其主要由码头泊位作业子系统与堆场作业子系统构成。码头泊位和堆场资源作为CTHS中的核心资源,对这两种核心资源的分配和协同调度是CTHS优化的关键问题。码头泊位和堆场资源的分配直接影响着CTHS的运行效率。影响码头泊位分配和堆场分配的决策因素有很多,主要有船舶等待靠泊时间、船舶在泊时间、船舶装卸作业时间以及堆场拖车（Yard Trailer,YT）的水平转运距离等。本文在对目前与泊位和堆场资源分配相关的研究进行梳理总结后,重点对进出口同步作业下的泊位和堆场协同分配（Berth and Yard Collaborative Allocation for Import and Export Synchronous Operations,BYCA-IESO）问题进行了研究,并且基于计算物流以及面向集装箱物流的物流广义计算（Container Terminal Oriented Logistics Generalized Computation,CTO-LGC）的视角下,提出了同步或异步的泊位与堆场协同优化策略。本文以最小化到港集装箱船的总时间消耗和YT的水平转运距离为目标,基于同步或异步协同优化策略,建立了BYCA-IESO问题的数学规划模型,该模型是一个混合整数二次规划模型。此外,本文还设计了另外两种分阶段分配策略用于与协同优化策略的对比。在模型的求解上,本文首先使用CPLEX 20.1.0对BYCA-IESO问题模型进行求解。由于CPLEX在求解大规模问题上的局限性,本文还设计了一种基于禁忌搜索（Tabu Search,TS）和蚁群优化（Ant Colony Optimization,ACO）的多阶段集成的启发式算法（Cascade Multi-Stage Integrated Heuristic Algorithm,CMS-IHA）用于实现和求解改进的BYCA-IESO问题模型。本文通过大量的数值实验证明了该算法的可行性、合理性、可靠性和有效性,并且在对实验结果的分析和比较的基础上,得出并验证了本文提出的模型和策略的可行性、有效性和优缺点。