对于铁路货物运输发展来说，需要从提升服务质量和运输质量两个方面寻求突破。特别是近年来公路、水运和管道运输的大力发展，部分铁路货物运输资源被抢夺已成事实，其主要原因就是其他运输方式能够为货主提供更便捷、更廉价的服务。为了解决这一现状，铁路在近年来开始着重发展集装箱运输，这是因为集装箱运输具有装卸方便、货物包装简化、货损率小和易于实现门到门运输的优点，已经作为一种先进的运输方式在我国进入了飞跃式发展阶段。货物运输的实现是以集装箱的流动为前提的，但是集装箱流动的空重状态却出现了不平衡，主要是我国特殊的资源环境和经济发展环境决定了集装箱货源分布和流向的差异，集装箱流向的不平衡只能通过调运集装箱空箱来解决。然而集装箱空箱调运是一种不产生运输产品的过程，对于铁路运输来说不仅浪费了铁路运输能力，同时延长了空箱空转时间，为了将两者降到最小影响程度，就需要研究合理的集装箱空箱调运决策理论和方法，来降低空箱调运所不可避免产生的成本。集装箱空箱调运的核心问题就是何时、何地调运空箱和调运多少空箱，在这一方面已经有很多研究学者取得了丰硕的成果。但是，随着经济的发展和客户需求的不断提高，特别是运输环境和集装箱运输作业的复杂多变，铁路作业计划存在很大的调整变化，使得集装箱空箱调运出现了许多不确定情况，主要表现在调运空箱数的随机性和箱体运到时间的模糊性。集装箱空箱调运的不确定性主要是由集装箱空箱运输时间、市场供需和运输组织的变化所造成的，其中供需关系是影响的根本原因。在整个空箱运输过程中，列车的出发时间、技术作业时间、在途运输时间和到达时间都在随时变化，但是论文中使用了客户需求时间范围来限制这一模糊时间变量；同时，列车的编组内容、重空箱比例、空箱保有量和箱种代用是影响供需变化的随机变量。为了解决这一问题，论文首先研究了空箱调运的随机机会规划和模糊机会规划。空箱调运是一个经典的运输问题，已经有了非常成熟的理论研究。但是不确定情况下的集装箱空箱调运问题中，站与站之间的集装箱供需量不再是平衡的，并且单纯考虑调运成本最小化已经不能达到客户的运输需求，必须加入客户要求空箱服务的时间界限，设定合理的运输接续时间约束和铁路运输能力约束，结合空箱随机变量和时间模糊变量约束建立模型。因此本文研究了运输不确定环境中的基于成本最小化的铁路集装箱空箱调运问题。对于一般的机会约束，通过确定等价式转化就可以变为确定约束。但是这种转化的应用范围受到限制，本文提出了使用混合智能算法来求解含变量的模型。这种混合智能算法的最大优点就是随机模拟和模糊模拟能够产生大量的输入数据，训练样本的容量很大，并且依托于神经网络的权值更新和检测遗传算法中的染色体，使得随机约束和模糊约束不再需要转换成确定表达式去求解，扩大了应用范围，特别是能够找出最好的染色体作为最优解，避免了传统算法运行结果早熟的缺点，同时能够提供出神经元网络误差。最后以西安铁路枢纽为研究案例，检验了模型的可行性，同时提出了论文研究的不足之处和创新点。