港口集装箱运输是连接国际间货物贸易的重要载体,在全球贸易中发挥着越来越重要的作用,而作为衔接水路运输和陆路运输的节点,集装箱码头是整个港口集装箱运输网络的枢纽。在集装箱码头中,堆场则是连接海侧集装箱船和陆侧内陆客户的重要缓冲区,堆场内场桥的作业效率对集装箱码头整体的作业水平有着重要的影响。同时,场桥作业任务在实践中存在各种不确定性因素,因此,本文考虑任务的不确定性对场桥作业的影响。针对堆场内场桥的调度优化,围绕场桥作业中的任务不确定性,本文的工作及其贡献点主要包括三个部分。研究了任务到达时间随机的提箱调度优化。在集装箱码头的日常作业中,外集卡提箱到达时间的不确定是一种普遍现象,而外集卡提箱到达的不确定对堆场内场桥的提取作业计划有着严重的影响。因此,在考虑任务到达时间随机的情形下,以最小化所有任务的期望总延迟为目标,建立了两阶段随机规划模型,其中第一阶段是在不考虑提取任务的前提下,生成存储任务的调度方案;第二阶段则是当所有提取任务的释放时间已知时,调整第一阶段的调度方案。同时,对任务到达时间的随机情形进行分类,进而设计了样本均值近似算法、改进遗传算法和基于规则的启发式算法进行求解。通过实验分析验证了所设计基于规则的启发式算法相比于样本均值近似算法和改进遗传算法具有更强的收敛性与全局寻优能力。研究了任务处理时间依赖加工方案的翻箱调度优化。提取任务引起的翻箱作业是导致任务处理时间依赖加工方案的主要因素,根据翻箱作业的特点,将其分为翻箱放回原栈位和翻箱不放回原栈位两种情形。对于翻箱放回原栈位情形,以最小化任务的总延迟为目标,构建了混合整数线性规划模型,并设计了遗传算法和基于贪婪时间的启发式算法进行求解。对于翻箱不放回原栈位情形,以最小化任务总延迟为目标,建立了非线性模型,并开发了遗传算法和最底层算法进行求解。针对以上结果,其对堆场场桥翻箱方案的设计具有理论指导作用。研究了提取任务配送地点可选择的配送调度优化。在自动化存储系统中,不存在翻箱问题,同时,存储任务的确切位置是已知的,但是提取任务的配送点是由多种因素决定的,相比于存储任务,提取任务的配送点是不确定的,这也是自动化存储系统中的主要决策变量。因此,在考虑提取任务释放时间和截止时间的基础上,以最小化堆垛机总移动时间和任务总延迟为目标,建立了新的双目标线性数学模型,剖析给出了问题解的相关性质,进而设计了Epsilon约束法、非支配排序遗传算法和基于规则比较的启发式算法进行求解。综上所述,按照场桥作业时处理任务的顺序,论文对三种任务不确定因素进行了分析,并根据不同问题的性质,论文分别建立了更能凸显问题特征的数学规划模型。同时,在模型特点和问题性质的基础上,改进和设计了智能算法进行求解。最后,对论文的全部内容进行了归纳总结,并提出了未来研究方向。