港口企业的装卸生产调度既是工程技术难题，也是一些复杂的学术问题。为了提高港口生产效率，国内外许多学者一直在探索解决此类问题的方法。基于输出型煤炭码头的装卸生产过程，以卸车优化调度问题为研究对象，本文建立了以火车在港时间最少为目标的数学模型，研究了优化算法，实现了调度问题的求解。主要研究成果如下：本文首先分析了输出型煤炭码头卸车作业调度的各种关联因素，发现了卸车调度具有研究对象信息繁杂、调度系统可变、可选作业流程多样、解信息量大等特性，进一步研究了卸车作业调度的约束关系，并建立现实作业中的唯一性、作业性质、堆场以及卸车工艺等四个约束关系的数学方程，以火车在港时间最短为优化目标建立了卸车作业调度的混合整数规划数学模型，通过实际案例应用验证了模型的准确性和工程适用性。鉴于卸车作业调度的数学模型的求解是一个NP-Hard问题，本文进一步研究了港口生产调度过程，提出了一个递阶主副型复合算法：面向火车到达事件的启发式搜索算法和面向翻车机空闲事件的启发式搜索算法。基于未来一段时间内火车达到计划，该算法首先运用面向火车到达事件的启发式搜索算法求解火车作业计划，然后运用面向翻车机空闲事件的启发式搜索算法修正优化火车计划，最终得到更优的火车作业计划。该算法以国内某煤炭码头为对象，进行了实际应用，取得了较好的效果。为寻求更优的求解算法，本文对调度模型进行了更深入的研究，设计了基于类编码的遗传算法，针对卸车调度的独特性，提出了新的个体编码解码方法，构造了更加适用于实际卸车调度作业的适应度函数，通过实验得到了更加实用可靠的两种终止规则相结合的混合终止条件。遗传算法以同一个煤炭码头为对象，进行实际应用，取得了更好的效果。通过具体案例与大量算例实验对两种算法对比分析，遗传算法解的质量更优，灵活性更高，虽然其计算耗时较长，但可以采取有效措施弥补。因此，遗传算法相比于启发算法更适用于煤炭码头的实际生产。