1.不确定环境下低碳连续泊位分配和岸桥调度方法，其特征在于，具体包含以下步骤：S1：初始化种群参数，种群规模pop，进化代数gen，目标数量M，变量个数nVar，局部搜索个体数local_generation，船舶相关信息，包括：船只数量n、码头岸桥数量qury、船舶距港口距离mi、船长li、船舶装箱量Nj；

S2：初始化种群pop和计算目标函数，基于先到先服务FCFS的原则初始化生成pop个可行解，每个个体编码包含船舶的速度v、船舶分配岸桥数量cqury和船舶的靠泊位置y，根据上述个体参数求出船舶的到港时间、靠泊时间、装卸时间和离港时间，并且计算每个个体的成本之和和碳排放之和；

目标函数的建模过程为：

S2‑1：船舶i每个航行日油耗与其船舶i的航速vi的计算公式为：

其中， 为船舶i每航行日的辅机油耗量， 为船舶i的机能系数；

S2‑2：船舶的到港时间ai，泊位分配计划从零时刻开始，船舶i从距离港口mi海里处行驶到港口过程，油耗量计算公式为：S2‑3：二氧化碳排放系数为EF1，航行过程中船舶i的二氧化碳排放量的计算公式为：S2‑4：对于锚地和装卸期间的碳排放量，船舶仅仅用辅助发电机进行发电以满足船舶需求，辅助发电机二氧化碳排放系数为EF2，船舶i辅助发电机耗油量为PQi，船舶i辅助发电机台数为ENi，船舶i此时的二氧化碳排放量计算公式为：Gi＝EF2·PQi·ENi·(xi+ti‑ai)    (7)

S2‑5：不确定环境下低碳泊位分配和岸桥调度模型，主要考虑了船舶到港时间和装卸时间的不确定性，建立以等待成本、延迟离港成本、偏离偏好泊位成本之和和碳排放之和为目标函数，具体模型如下：S2‑6：由于涉及到区间运算，设有两个区间 则：

S2‑7：约束条件具体如下：

其中，目标函数(8)表示所有即将到港船舶最小化等待成本、延迟离港成本、偏离偏好泊位成本之和区间值；目标函数(9)表示最小化从零时刻起船舶驶进港口期间、锚地和装卸期间二氧化碳排放总量区间值；根据区间运算，目标函数(10)表示成本之和的下界，目标函数(11)表示成本之和的上界，目标函数(12)由公式(13)、(14)、(15)和(16)通过区间运算得到碳排放总量下界和上界，约束(17)表示船舶的靠泊时间下界应该晚于船舶到港时间上界；约束(18)表示船舶靠泊位置在岸线上；约束(19)表示船舶i靠泊时间下界需要在船舶k装卸完成后进行靠泊；约束(20)表示船舶i靠泊位置在船舶k靠泊位置和自身船长之后；约束(21)、(22)、(23)表示任意两艘船舶在靠泊时间和靠泊位置上不会发生冲突；约束(24)表示船舶i分配的岸桥数量在最小值和最大值之间；约束(25)表示任意时刻作业的岸桥数不能超过港口可用的岸桥总数；约束(26)表示同一时刻任意特定岸桥只能分配给一艘船舶；

约束(27)和(28)表示变量的取值范围；

S3：采用IMOMA算法进行种群进化操作，优化船舶泊位分配和岸桥调度；

S4：计算性能指标，区间超体积值、平均不确定度和算法运行时间；

S5：通过对区间多目标问题的解决得到一组帕累托解集，并绘制非支配前沿图；

S6：根据得到帕累托解集选择帕累托前沿的拐点作为最终的最优解；

S7：输出最优解的调度方案。

2.根据权利要求1所述的不确定环境下低碳连续泊位分配和岸桥调度方法，其特征在于，步骤S2中所述先到先服务FCFS初始化解的过程包括：S2‑1：按照先到先服务FCFS原则生成N个可行解；

S2‑2：对每个解进行编码，编码包括种群第k个解中船舶i的船号sik、靠泊时间下界xik、靠泊时间上界 靠泊位置yik、装卸时间下界tik、装卸时间上界 到港时间下界aik、到港时间上界 离港时间下界dik、离港时间上界 岸桥数量cquryik和速度vik，解的编码计算公式为：S2‑3：将所有船舶根据到港时间下界aik升序排序；

S2‑4：随机生成包含天气影响和人为因素的不确定性，影响船舶到港时间和装卸时间；

S2‑5：在时空二维图中根据到港时间下界的升序序列和靠泊位置将船舶逐个插入，同时判断是否满足各种约束条件；

S2‑6：对不满足约束条件的当前插入的船舶计划进行修复，直至整个方案满足所有约束条件。

3.根据权利要求1所述的不确定环境下低碳连续泊位分配和岸桥调度方法，其特征在于，步骤S3中所述IMOMA算法进行种群进化操作的步骤包括：S3‑1：进行全局搜索，直到达到预设的最大迭代次数，最大迭代次数为gen；

S3‑2：在每次迭代中，执行以下步骤：对初始化种群进行锦标赛选择，得出精英解，并进行进化操作；对个体执行均匀交叉和非均匀变异的进化操作，更新个体，并对不满足约束的个体进行修复，随后重新计算个体的目标函数值；将原始种群与进化后的子代种群进行非支配排序，根据排序结果选出下一代种群；计算集合区间超体积测度和局部搜索激活机制logic；若局部搜索激活logic＝＝1，则对全局种群执行局部搜索，产生新的子代种群，并对不合法个体进行修复，再进行非支配排序和精英保留策略，得到经过局部搜索后的种群；

S3‑3：持续更新迭代次数，直到达到终止条件；

S3‑4：在算法终止时，输出一组帕累托前沿解集，并计算性能指标。

4.根据权利要求3所述的不确定环境下低碳连续泊位分配和岸桥调度方法，其特征在于，步骤S3‑2中所述进化操作具体包括应用整数编码方法对染色体进行编码和执行交叉操作和变异操作，以优化种群，具体为：S3‑2‑1：染色体编码：对种群中的每个染色体实施整数编码，其中一个染色体代表可行解的一组决策变量，包括船舶靠泊位置、分配岸桥数量和船舶速度，且染色体的维数为决策变量个数与船舶数量的乘积；

S3‑2‑2：交叉操作：采用均匀交叉策略，随机选择两个亲本染色体并在每个基因上进行交叉操作，交叉概率决定基因是否交换，以此增强种群的遗传多样性；

S3‑2‑3：变异操作：实施非均匀变异，其中变异概率随迭代代数的增加而逐渐减小，以调整染色体的基因值，优化种群的适应性。

5.根据权利要求1所述的不确定环境下低碳连续泊位分配和岸桥调度方法，其特征在于，步骤S3中所述船舶泊位分配具体采用了一种启发式约束处理算法，包括：重叠调整：当船舶在时空二维图中发生重叠时，实施对后到港的船舶的重叠调整；该调整策略优先对后到港的船舶进行向上或向下调整，以减少对其后面船舶靠泊计划的影响，同时考虑调度成本和碳排放量，在必要时，以较小概率进行向右调整，直至消除所有船舶间的重叠，并确保调度方案满足所有约束条件；

岸桥调整：根据船舶的靠泊位置、到港时间上下界、靠泊时间上下界、装卸时间上下界以及岸桥的可用性，进行岸桥资源的逐时刻调整，特别是在岸桥数量超过港口最大可用岸桥数的情况下，对后靠泊的船舶执行后移操作，以最大化岸桥资源的使用效率，并保证船舶装卸和港口运营的高效性和流畅性。

6.根据权利要求1所述的不确定环境下低碳连续泊位分配和岸桥调度方法，其特征在于，步骤S6所述区间拐点，由区间值的上下界求得，设由下界的边界点构成直线l1，上界的边界点构成直线l2，具体为：直线l的数学公式如下所示：

Ax+By+C＝0                  (2)

设k点的坐标为(xk，yk)，点k到直线l的距离公式如下所示：

其中，在下界点中找到距直线l1最远的点，在上界点中找到距直线最远l2的点，当距离不能比较时，将区间不确定度视为另一个可供比较的标准。