港作拖轮是船舶进出港并协助大船完成靠泊、离泊与移泊的重要工具,直接影响着各个船舶能否安全及时得进出港口泊位进行作业。港作拖轮的调度效率的提高,可以减少到港船舶在锚地或泊位的等待时间,从而提高船舶靠离港口速率,不仅仅为港口和船公司提高了经济效益,也会使船公司对港口的满意程度大大提升。目前绝大多数港口所使用的港作拖轮调度方案仅仅是依靠历史经验所确立的,这样的调度方案,很难保证船舶顺利快速的进出港口,所以如何根据复杂多变的进出港情况来指定合理的拖轮调度方案,已成了当前众多港口迫切需要解决的问题之一。港作拖轮调度问题实际是港作拖轮与到港船舶间的组合优化问题,不是传统意义上的调度问题,属于NP-hard问题,所以使用常规的数学规划方法是很难对其求解。目前常用的智能优化算法因为具有优秀的寻优能力,所以被广泛的应用在调度问题领域。但是每一种算法的优缺点不同,所以适合解决的调度问题不同。本文所研究的港作拖轮调度问题,是一种非线性的、离散的并且目标函数梯度信息不够明确的问题。粒子群算法具有搜索最优解速度快、存储并且分享个体与群体的历史经验与参数设置简单的优点,使得粒子群算法在求解拖轮调度问题上拥有较好的寻优效果。本论文将港作拖轮工作的具体特征作为参考依据,建立港作拖轮调度模型,对传统的标准粒子群算法进行改进,并结合大连港轮驳公司的拖轮日常工作实例,随后对算法与模型进行了验证。主要有以下方面的工作:(1)分析了拖轮调度问题,建立符合大连港情况的拖轮调度问题的数学模型。(2)分析了常用的智能优化算法,重点介绍了粒子群算法相关知识,使用了实数编码策略、精英集与交叉变异方法对粒子群算法进行优化。(3)利用MATLAB软件进行仿真,对设计的算法与模型进行实例验证,并对结果进行比较与分析实验证明,设计的算法不仅在收敛速度上相较于其他智能算法有明显提高,而且取到的最优解更科学,所做工作为港口的港作拖轮的调度提供了科学决策依据。