在世界经济一体化进程的持续推动下,全球贸易迅猛发展,港口吞吐量持续增长。在改革开放以来,中国的集装箱运输行业也迅速崛起,已成为全球最大的集装箱运输国。随着港口集装箱吞吐量增长和船舶大型化的发展,船公司对码头作业效率和能力的要求越来越高,迫切需要寻求合理的方法优化船舶的装载调度,以提高码头作业效率,增强港口的竞争力。本文首先对集装箱码头装船作业优化问题涉及到的舱位预配图、集装箱在堆场分布和协同装船作业的具体过程等相关知识作出了全面的分析介绍,阐明本文研究以预配为基础,关注于装船作业阶段。在此基础上,通过对约束条件的详细分析,作出了合理的简化假设,清晰地界定了本文的研究内容,并明确了本文以最小化集装箱码头装船作业的总时间等效成本为优化目标。基于问题的简化假设,结合约束条件,并根据所研究问题的特点,设计了相应的启发式规则处理装船顺序与具体舱位分配的同时优化及多场桥和岸桥的协同作业两个关键问题,并通过编码设计使优化问题与模拟退火算法相结合,又考虑了堆场的翻箱过程、目标函数的具体设定等问题,设计了初始解和新解的生成规则,从而全面设计了集装箱码头多场桥和岸桥协同装船作业优化模拟退火算法,对装船作业优化问题的研究给出了一种创新的思路和方法。最后,通过理论和实验分析,验证了本文算法的可行性、收敛性和有效性。对算法的收敛性、精度及CPU时间进行了分析,结果表明:1)当总循环18万次时,总成本趋于稳定,算法收敛;2)收敛时,总成本降低了约36.8%;3)CPU时间和总循环次数成正比;4)收敛时,CPU时间消耗为1437.568s(约24min)。接着对算法中相关参数的影响作出了详细分析,结果表明:1)内循环次数L根据温度Tk来计算比内循环次数L固定不变时,算法收敛速度更快;2)内循环次数L对于算法精度并无影响;3)温度衰减率r较小时,算法收敛速度更快;4)温度衰减率r较大时,算法精度更高;5)初始温度T0较小时,算法收敛速度更快;6)初始温度T0较大时,算法精度更高;7)终止温度Tf较大时,算法收敛速度更快;8)终止温度Tf较小时,算法精度更高。