海运在全球经济中发挥着关键作用，据联合国贸易和发展会议（2023年《迈向绿色和公正的转型》报告）指出，海运占全球贸易的80%以上。这种对海运的依赖凸显了高效和自主港口运营的重要性。考虑到船舶运营商面临的巨大成本（Al-Dhaheri和Diabat，2017年），港口等待时间每小时的成本可能高达4000美元，智能优化的紧迫性尤为明显。这些延误不仅影响航运公司的盈利能力，还表明在处理复杂环境数据方面存在不足，导致拥堵和效率低下。此外，对海港运营商的财务影响也非常显著。建造泊位和获取资源的成本代表了巨大的资本投入。因此，通过稳健的多源信息融合（MSIF）有效利用这些资源对于维持经济可行性至关重要。无效的资源分配和交通组织通常源于缺乏综合的情境感知，从而导致运营瓶颈和服务质量下降。
然而，传统的优化方法往往难以捕捉在动态海洋条件下运行的现代海港的全部复杂性。它们通常关注孤立的子问题（如泊位分配或航道调度），并依赖于简化的数学模型。这些模型经常无法融合海运交通中的随机元素，例如不可预测的船舶到达时间、传感器数据噪声和环境干扰。此外，关于航道状态、引航员可用性和船舶动态的不同数据源往往被独立处理，使得同时平衡减少等待时间和确保安全等相互冲突的目标变得困难。这种简化模型与复杂的多源现实之间的脱节限制了它们在自主系统中的实际应用。
为了解决这些挑战，本研究将港口交通组织问题表述为一个由多源信息融合驱动的综合性多目标优化任务。所提出的自主框架中优化的核心决策变量包括：（1）船舶进出顺序，根据融合的交通数据确定服务优先级；（2）具体到达锚地的时间，调节进入交通的流量；（3）在锚地和泊位的等待时间，作为应对资源可用性不确定性的缓冲。通过动态调整这些变量，SMOGA（基于仿真的多目标遗传算法）框架旨在实现三个关键目标：最大化吞吐量、最小化辅助资源的峰值使用和减少平均船舶周转时间。
本文提出了一个经过严格验证的框架，用于解决繁忙港口水域中的交通组织和资源分配问题，为海运物流和自主系统领域做出了重要贡献。主要贡献如下：
a.为繁忙水道开发了一个MIP模型，该模型全面融合了港口导航系统中各种多源输入的约束。这包括锚地容量、航道规则、泊位状态和动态辅助资源（引航员和拖船）。该模型巧妙地整合了这些不同的信息源，为拥挤海洋环境中的交通组织提供了整体优化方法。
b.建立了一个港口导航仿真模型，创新性地使用了元胞自动机（CA）和多智能体系统（MAS）方法。该模型作为一个协作自主框架，促进了不同资源模块之间的信息交换，以管理复杂约束。重要的是，它模拟了船舶等待时间和动态条件的不确定性，从而提高了所提出的优化方案在真实海洋环境下的可行性和实用性。
c.引入了一种新的解决方案框架，将遗传算法（GA）与仿真模型结合在一个迭代过程中。该框架在固定锚地、航道和泊位容量下寻求辅助资源的最佳分配和船舶自主调度。它实现了资源的多目标优化和港口交通组织的自主调度，为智能港口管理提供了新的视角和方法。
本研究采用的研究方法如图1所示。后续部分安排如下：第2节重点介绍了相关领域的最新研究空白，第3节描述了与海港组织相关的优化问题，第4节提出了基于仿真建模和遗传算法（GA）的解决方案方法，第5节将模型应用于天津港进行实证验证，第6节讨论了模型并提出了未来研究的方向。
