针对拥有双向航道的集装箱港口中船舶进出港所遇到的会遇和追越等问题，提出了一种重点考虑服务规则的新型船舶调度优化算法。首先，同时考虑双向航道的现实约束和港口夜航的安全规定；然后，构建了以所有船舶在港总等待时间最小为目标的混合整数规划模型来得出最佳的船舶进出港次序；最后，设计了嵌入聚合策略的分支切割算法对模型进行求解。通过数值实验可知，运用嵌入聚合策略的分支切割算法所得结果与下界值的平均相对偏差为2.59%。同时，与模拟退火算法与量子差分进化算法的对比结果表明，所提的分支切割算法所得的目标函数值相较于两个对比算法所得目标函数值分别减少了23.56%和17.17%，验证了该算法的有效性。在用所提算法得到方案的敏感性分析中比较了不同抵港安全时间间隔和船舶类型比例对方案结果的影响，为双向航道集装箱港口的船舶调度优化提供了决策支持。

受恶劣天气影响的船舶调度是一个非常复杂的优化问题，也是班轮公司重点关注的问题之一。为此，针对某航运网络上的一家班轮公司的所有营运船舶，以获知设计的多阶段重调度机制时段内最新预报的天气信息和这些船舶的实时位置为前提，重点考虑班轮船期表的限制并兼顾港口间航速变化和船舶容量等现实约束，构建了以固定计划期内所有船舶的航运总成本最小为优化目标的非线性数学模型，并设计了嵌入基因修复算子的改进遗传算法用于求解该模型。由此，可以给出集成租船直运、跨航线调船、反挂和货物中转等解决策略的最佳多阶段重调度方案。通过对大、中、小规模的算例进行实验，实验结果表明，可知与传统等待办法相比，多阶段重调度节约了总航运成本的15%以上，验证了所提模型和方案的有效性；与Cplex相比，改进遗传算法的运算效率大大提高，且偏差值均在5%以内，而与蚁群优化（ACO）算法、禁忌搜索（TS）算法、量子差分进化（QDE）算法相比，改进遗传算法能在有效时间内降低10%左右的成本，验证了算法的科学性。所提方法可为班轮公司的实际船舶调度提供参考。

针对班轮企业由于提前公布船期表，但受货运需求的波动和潮汐的影响引起的多船型船舶调度问题进行研究。首先系统分析了一家班轮企业近洋运输航线结构；然后考虑大型船舶需乘潮进出港口，以及适当条件下允许租船的实际情况，兼顾班轮船期表的限制，构建了以运输总成本最小为目标的班轮多船型船舶调度非线性规划模型；最后考虑模型的特点，设计了嵌入基因修复的改进遗传算法（IGA）用于模型求解。实验结果表明，与传统的经验调度方案相比，得到的船舶调度方案在船舶利用率上能提高25%~35%；中规模算例下与CPLEX相比，IGA的CPU处理时间平均降低77%；中、大规模算例下与蚁群算法相比，IGA计算的运输费用平均降低15%。实验结果验证了所提模型和算法的有效性，可为班轮企业船舶调度提供参考。

针对集装箱码头泊位确定条件下的单船岸桥(QC)分配和调度问题,建立了线性规划模型.模型以船舶在泊作业时间最短为目标,考虑多岸桥作业过程中的干扰等待时间与岸桥间的作业量均衡,并设计了嵌入解空间切割策略的改进蚁群优化(IACO)算法进行模型求解.实验结果表明:与可用岸桥全部投放使用的方法相比,所提模型与算法求得结果平均能够节省31.86%的岸桥资源;IACO算法与Lingo求得的结果相比,船舶在泊作业时间的平均偏差仅为5.23%,但CPU处理时间平均降低了78.7%,表明了所提模型与算法的可行性和有效性.