Auf Containerterminals gibt es eine Vielzahl an Entscheidungsproblemen. Innerhalb kurzer Zeit müssen viele Entscheidungen getroffen werden, zum Beispiel welcher Container in welchem Lagerblock an welcher Position zwischengelagert werden soll und welches Equipment welchen Auftrag durchführt. Dabei muss berücksichtigt werden, dass alle Prozesse möglichst zeiteffizient durchgeführt werden und das Equipment optimal ausgelastet wird. Eine zusätzliche Herausforderung ist, dass die Umschlagprozesse miteinander verbunden sind und teilweise parallel ablaufen, beispielsweise wenn mehrere Containerbrücken gleichzeitig ein Schiff ent- und beladen. Weiterhin gibt es verschiedene Störfaktoren, wie Equipment-Ausfälle, Verspätungen von Schiffe oder Zügen oder auch wetterbedingte Verzögerungen.

Wissenschaftliche Untersuchungen nutzen üblicherweise zwei verschiedene Ansätze zur Entscheidungsunterstützung. Der erste Ansatz berücksichtigt die komplexe dynamische Umgebung eines Containerterminals. Er verwendet typischerweise Prioritätsregeln, die mit Hilfe von Simulationsmodellen analysiert werden, die stochastische Prozesse darstellen können. Im zweiten, alternativen Ansatz wird ein vereinfachtes deterministisches mathematisches Modell formuliert. Entweder kann das Modell für kleine Instanzen optimal gelöst werden, oder es kann mit Hilfe von Heuristiken eine Annäherung gefunden werden. Während der erste Ansatz besser für die volatilen Prozesse an Containerterminals geeignet ist, werden Simulationsstudien, die mehrere Entscheidungsprobleme untersuchen wollen, schnell sehr komplex. Auch der zweite Ansatz stößt schnell an seine Grenzen, da die benötigte Rechenzeit, um das Problem optimal zu lösen, zu lang ist, um in der Praxis eingesetzt werden zu können.

Am Institut für Maritime Logistik (W-12) wurde daher ein Ansatz analysiert, die Vorteile beider Lösungsansätze zu kombinieren. Die simulationsbasierte Optimierung berücksichtigt die Unsicherheit mittels Simulation bei der Optimierung eines gegebenen Ziels. Im konkreten Fall skaliert das entwickelte Verfahren gleichzeitig die Menge der eingesetzten Geräte und passt die Auswahl und Abstimmung der operativen Strategien an. Vier Meta-Heuristiken - ein baumstrukturierter Kerndichte-Schätzer, Bayes'sche Optimierung, Simulated Annealing und Random Search - wurden verglichen, wie gut sie den simulationsbasierten Optimierungsprozess leiten. Ziel dieser Studie war es, mit einer möglichst kleinen Anzahl von Simulationsexperimenten eine günstige Konfiguration von Equipment und operativen Strategien für Containerterminals zu ermitteln und gleichzeitig die gewählten Meta-Heuristiken empirisch zu vergleichen, einschließlich der Reproduzierbarkeit der Optimierungsläufe. Die Ergebnisse zeigen, dass die simulationsbasierte Optimierung geeignet ist, die benötigte Equipment-Menge und gut funktionierende Strategien zu identifizieren. Unter den vorgestellten Szenarien gibt es keine eindeutige Rangfolge zwischen den Meta-Heuristiken hinsichtlich der Lösungsqualität.