水铁联运模式下的铁路站场资源调度是多联式港口资源调度中极为重要的部分。水铁联运模式下的铁路站场调度不合理,极易导致港口资源利用率低下,港口作业成本增加,严重阻碍港口向智能化、现代化方向发展。在水铁联运模式下的铁路站场调度系统中,如何根据作业任务合理的对设备资源进行分配,提高机械的装卸效率、降低装卸作业成本,已成为建设现代化港口进程中亟待解决的问题。鉴于以上问题,本文研究内容如下:（1）建立了基于DAG的铁路站场调度模型。为了描述铁路站场装卸任务集的时序关系,引入有向无环图（Directed Acyclic Graph,DAG）,同时综合考虑作业顺序约束、作业设备使用约束、作业时间间隔约束和铁路站场调度对码头作业效率的影响,建立了以任务完工时间最小、设备等待时间最小和船舶等待时间最小的基于DAG的铁路站场调度模型。以求获得最优的作业顺序与各类设备任务分配方案。（2）设计了一种铁路站场智能调度方法（Railway station scheduling algorithm based on multi-objective particle swarm optimization algorithm,RSSAMOPSO）。采用多目标粒子群算法解决铁路站场调度多目标优化问题。由于铁路站场调度是个复杂的过程,涉及任务几十到几百不等,粒子的搜索范围较广,使算法收敛速度较慢。针对收敛速度下降的问题,引入压缩因子,提高收敛速度。因收敛速度快,解的多样性会丢失。针对收敛速度过快会导致多样性丢失,引入自适应变异算子,结合拥挤度排序对外部档案进行更新与维护,保持解的多样性。改进全局最优选取策略,进一步保证解的多样性和分布性。同时,根据铁路站场作业设备调度特点,设计了一种以调度长度最短为目标的铁路站场固定设备作业顺序安排算法和基于等待时间最短的作业设备安排算法,与上述引入压缩因子和自适应变异算子的多目标粒子群优化算法（Improved multi-objective particle swarm algorithm,IM＿MOPSO）结合,得出最优的作业顺序与各类设备任务分配方案。（3）实验验证。首先在测试函数ZDT上测试了IM＿MOPSO、MOPSO、NSGA-II的分布性和收敛性,验证了IM＿MOPSO较MOPSO、NSGA-II有较好的性能。然后,为了方便实验验证,首先确定了评价函数的权重值;然后将RSSAMOPSO算法的调度结果与铁路站场实际调度结果进行对比,实验结果表明,RSSAMOPSO算法能够有效缩短设备等待时间、船舶等待时间、和任务完工时间,提高铁路站场装卸效率,降低铁路站场时间消耗。接着,将RSSAMOPSO算法与多目标遗传算法和贪心算法进行对比试验,结果表明RSSAMOPSO算法有较好的寻优能力。最后,分析了设备不同数量配置下对任务完工时间、设备等待时间和船舶等待时间的影响。实验结果表明,增加作业过程中所使用的作业设备数量,虽然有助于缩短船舶等待时间和任务完工时间,提高其他设备的作业效率,但会增加新增设备的时间消耗,同时降低新增设备的作业能力。综上所述,本文工作是对港口铁路站场现代化建设的一个初步探索,对提高铁路站场中机械装卸效率和降低铁路站场作业成本具有较大的现实意义和实用价值。