集装箱船舶配载主要涉及全航线船舶配载与单节点港口船舶配载,后者是前者研究的基础。单节点港口船舶配载涉及船舶主贝计划和贝内计划的决策,贝内计划又分为单一目的港贝内计划和混合目的港贝内计划,前者是后者的特例。本文以单节点港口集装箱船舶配载中的贝内计划决策为研究对象,综合考虑海关临时抽验、信息滞后或缺失等不确定集港事件对船舶贝内计划决策的影响,将船舶贝内计划决策描述为装箱问题,并将堆场发箱顺序决策纳入到船舶贝内计划决策中,提出了一类不确定集港环境下的装箱排序问题。论文研究采用层次递进的思想,首先构建确定环境下装箱排序问题的数学模型及优化算法;进而,在此基础上,引入多阶段滚动规划理论,构建不确定集港环境下装箱排序问题的模型及其求解算法;最后通过仿真验证,与商业优化软件CPLEX中的分支定界算法进行比对,验证了本文的研究成果。具体工作如下:(1)装箱排序问题建模与优化。以船舶实配的过程为研究对象,将船舶的贝(Bay)作为集装箱装载容器,结合堆场的堆垛规则和作业情况,提出集装箱船舶的装箱排序问题(SBPP)。结合港口和船方的现实考虑,构建了整数线性规划(ILP)模型,模型综合考虑了装船顺序、重量等级、目的港、阻塞箱、船舶强度等约束。采用CPLEX对模型进行求解,验证了模型的正确性,并根据优化结果对模型进行改进。对于大规模问题无法在现实时间要求范围内给出最优解的情况,开发了基于交换搜索的启发式算法,该算法的核心是结合港口实际操作规则构造问题的初始解,利用列交换和箱位交换构造邻域进行搜索优化,提高解的质量。通过案例的实验计算,验证了算法的有效性。(2)不确定集港环境下装箱排序问题建模与优化。通过研究集港箱的集港流程以及集港环境,总结集港过程中对集装箱产生干扰的随机因素。针对随机因素无后效性的特点,基于干扰修复的思路,以时间序列分割规划窗口,构建多阶段的规划模型。通过持续滚动获得每个窗口的最优解,得到每个阶段的配载计划,实现动态决策。鉴于已有方法难以直接对其进行求解,开发了基于插入-分段(I-S)的启发式算法,该算法利用本文提出的基于交换搜索的启发式算法构造问题初始阶段的解,时间序列滚动触发插入-分段机制,按照集装箱编号依次选取集装箱作为插入点,以该点为界来进行分段计算,减小搜索空间,提高搜索速度。通过构建案例来进行实验计算,验证了算法的有效性。