集装箱码头吞吐量的迅速增加增加了其作业调度的复杂性,因此需要相应的调度模型与方法来辅助支持集装箱码头作业的优化调度。目前尽管诸多学者就集装箱码头作业调度的展开了大量的研究现,但是如何有效处理各种约束条件和复杂的相互关系,如何提高模型求解效率,如何实现作业系统各个环节之间的协同调度,如何集成各种调度方法与技术等问题一直没有得到较好的解决。针对目前研究中的问题,本文从两个方面开展研究,一方面是集成调度模型的建立,力争通过集成调度模型提高作业系统各环节的协调性,实现装船与卸船作业的协同调度,从而提高作业效率;另一方面是调度方法的集成,拟通过对优化算法、仿真技术、强化学习等方法的集成,提高对复杂系统的描述能力,提高模型的求解效率。本论文首先从装卸作业流程的整体出发,把两个以上的决策复合在同一模型中,建立堆存位置-集卡调度优化模型,并设计求解调度方案的两阶段禁忌搜索算法。在此基础上,建立装卸作业序列优化的集成调度模型,同时优化装卸桥、集卡、与龙门吊的作业序列,并设计求解模型的混合优化算法。其次,建立装卸混合作业调度模型,通过装货船舶与卸货船舶的协同调度,实现集卡在不同“作业线”间的共享,从而减少集卡的空驶,提高集卡的利用率;同时设计基于两阶段禁忌搜索的算法。然后,研究装卸桥在同一贝位内同时进行装船与卸船作业的调度问题,即同贝同步装卸调度问题。分别以出口集装箱积载计划是否确定为假设条件,建立同贝同步装卸调度模型,并设计基于双层遗传算法的求解算法。接下来,集成优化算法的智能决策机制与仿真模型的评价功能,提出集装箱码头作业调度仿真优化法。为提高仿真优化的计算效率,设计基于遗传算法与神经网络的混合优化算法。同时将仿真优化用于装卸作业中的设备作业序列优化,以及同贝同步装卸调度中装卸桥作业序列与集装箱积载计划的优化。最后,将强化学习方法应用于集装箱码头作业调度,并将其与仿真相结合,通过仿真模型构建作业调度系统环境,采用Q-学习算法(强化学习方法的一种)和仿真模型交互获得最优调度方案。