全球经济贸易的飞速发展,带来了物流业务量的急剧增长,据统计90%以上的国际贸易货物都要经过港口的中转运输,这之中的大部分都要通过集装箱运输来实现的。集装箱码头为了提高自身的经济效益,需要充分利用码头的各种资源设备,其中承担大部分码头水平运输任务的集装箱卡车的作业组织工作更是影响码头整体效率的关键技术之一。集卡路径优化问题是集卡作业组织中的一个重要组成部分。该问题是一个典型的复杂组合优化问题,对其进行优化求解,可有效提高集装箱码头集卡的作业效率,并降低集卡作业运营的成本,从而有利于码头整体经济效益的提升。本文针对集卡的路径优化问题,分析对比两种集卡作业模式,建立了面向"作业面"的基于成本的集卡路径优化模型。前人对集卡路径问题的求解多釆用数学规划等方法,存在着局部收敛、鲁棒性差等缺陷。本文采用较为新颖的人工蜂群算法(ABC)来对模型进行求解,期待获得较好的结果。人工蜂群算法具有结构简单,容易实现等优点,但作为群智能算法的一种,也存在易早熟、收敛速度慢等缺点,并且在以往的研究和应用中,蜂群算法多用于连续问题的求解。为了更好地解决上述属于离散规划的集卡路径优化问题,本文对基本蜂群算法进行了相关改进,提出一种自适应遗传蜂群算法(AGA-ABC)。其主要思想是,将遗传算法中的交叉和变异算子引入基本蜂群算法,对其加以改造,使得蜂群算法适用于求解离散优化问题。同时引入自适应因子,使算法在早期能有效避免早熟而后期又能加快算法向全局最优处收敛,从而提高算法的整体性能。为验证提出算法的性能,采用该算法对不同规模的经典TSP问题进行了测试与求解,所得结果验证了其可行性和优越性。进一步,将所提算法应用到建立的集卡路径优化模型中,分别在进口、出口双船舶到港和进出口单船舶到港,两种工况下进行了仿真测试,并对优化结果进行了相关分析。结果表明,提出的算法能在满足各种性能约束的前提下,有效的对集卡行驶路径进行优化,得到上述问题的令人满意的工程优化结果。工作表明,提出的算法对集卡路径优化问题是有效的,可以得到较优越的优化结果,以作为实际集卡作业组织的参考。本文的研究具有一定的理论意义和应用价值。