作为国际物流的重要节点，集装箱码头是一个典型的离散、随机和动态的大规模系统，系统内部的复杂性和外部环境的不确定性总是给集装箱码头的规划与调度制造难题，面对这些难题，学术界已经做了大量的相关研究。对码头运营商而言，既要做好战略层面的码头规划，也要做好运作层面的码头调度，前者包括设备购买等长期决策，后者包括泊位分配和岸桥调度等短期决策。由于涉及实时性等特点，调度问题一般而言要比规划问题复杂得多，成为学术研究突破的重点和难点。其中，集装箱码头的泊位分配与岸桥调度问题更是重中之重，国内外的不少学者都为之倾注了心血，也取得了可观的研究成果，有的研究在模型上做了创新，有的研究在算法上做了创新，有的研究用数学优化方法，有的研究用仿真优化方法，虽然已是硕果累累，但是在不断实践的过程中总会发现新的问题，成为我们进一步探索的动力。泊位和岸桥作为集装箱码头至关重要的战略资源，其有效利用直接关系到码头的绩效和竞争力，甚至影响码头的生存问题。近年来，由于对问题认识的不断深入，以及相关理论和技术的不断成熟，越来越多的学者专注于泊位与岸桥的协同调度研究，该问题也是学术界公认的NP-hard问题。本文同样将泊位分配与岸桥调度作为一个整体进行研究，主要考虑如何在不确定环境中得到一个既稳健又低成本的调度方案。本文所关注的是连续泊位分配问题，同时还考虑了岸桥的泊位服务范围，使得模型更加贴近现实情况。为了解决该问题，本文提出了一个混合整数规划模型，并设计了基于遗传算法的启发式方法进行求解，数值实验证明了模型和算法的效率和有效性。在已有研究的基础上，本文主要的创新点在于：针对现有研究的不足，在连续泊位分配策略下，考虑岸桥的泊位服务范围，对码头的泊位和岸桥进行协同调度，弥补了现有研究中要么忽视协同调度、要么考虑离散泊位的不足，使得调度系统更加符合现实；针对所提出的混合整数规划模型，本文还设计了综合基本遗传算法、基因调整算法和局部优化算法的启发式算法进行求解，大量数值实验证明了模型和算法的有效性，能够在成本和稳健性两个方面取得良好平衡。