铁路运输是大型有色冶炼企业的大动脉,它肩负着运送物资保障生产的重任,在有色冶炼企业物流环节中具有十分重要的地位。但随着国民经济的发展,有色冶炼企业生产规模日益扩大,物料的运输量迅猛增加,而我国有色冶炼企业铁路规模偏小,铁路布局、调度方式与企业生产方式密切相关,具有各站场分布分散、调车以小运转作业为主、铁路线路短、自备车与租用车混合编组等特点,并存在检斤作业滞留罚金等问题,使得企业铁路运输调度作业问题较复杂、难度大。目前,我国有色冶炼企业铁路大多以人工调度为主,使得货运站长期处于满负荷运行状态,容易导致列车运行效率低,物料运输不及时问题,甚至出现堵车、安全事故等现象,严重制约了有色冶炼企业发展。因此,针对大型有色冶炼企业货运铁路特点,研究有色冶炼企业货运站列车的编组与调度方法,对缩短车辆周转时间,避免滞留罚金问题,提高我国有色冶炼企业的铁路货运组织作业效率具有重要现实意义。论文在分析研究大型有色冶炼企业铁路运输作业特点的基础上,依据企业铁路运输编解作业、取送车作业及调车计划编制需求,建立了铁路运输调度模型,并研究了基于蚁群交互式优化算法的铁路调度优化方法,提出了企业铁路调车计划编制优化方法和不同布局的企业铁路取送车作业优化方法,成功应用于企业铁路运输智能调度系统中。论文主要研究工作及创新性成果包括：(1)针对有色冶炼企业铁路运输网调度过程复杂,情况多变且影响因素多的问题,分析研究了运输调度过程的特点及作业流程,将复杂的铁路运输调度模型分解为铁路编解模型、树枝型铁路取送车作业模型及混合型铁路取送车作业模型,降低了调度模型的复杂度,提高了企业铁路运输调度模型的普适性。(2)为了大型企业铁路运输调度模型实时求解需要,针对经典遗传算法的局限性,提出了一种蚁群交互式优化算法。该算法将蚁群与遗传算法融入文化算法框架,组成基于蚁群的主群体空间和信念空间两大空间,主群体空间在进化过程中定期组织最差个体向信念空间提供的种群最优模式学习,从而充分利用了优秀个体所包含的特征信息,避免了蚁群算法种群单一性的问题,在很大程度上提高了算法的收敛速度。(3)针对企业铁路的调度作业计划人工制定准确率低、负担重、作业连贯性差等问题,根据大型企业铁路运输各作业子系统具有前后串联、相互影响的特点,把复杂的调度问题分解为列车分组、列车解编组、列车进路安排、列车取送车作业四个子问题,将优化方法分别用于铁路调度作业中的几个不同的子问题,避免了复杂优化计算问题,极大地提高了模型优化求解的效率。同时,运用遗传精英蚁群算法对协调优化模型进行求解,优化了有色冶炼企业某段时刻内的配流,缩短了列车在站停留时间。针对企业租用国家铁路列车延时罚款问题,将罚款因素作为约束条件加入优化问题中,设计了白适应的惩罚函数,并将其与遗传精英蚁群算法相结合,解决了带有惩罚时间约束的铁路调度问题,有效地避免了企业铁路运输租用列车的罚款问题。(4)根据企业编组站树枝型专用线的特点,利用图论的知识把编组站装卸货专用线分布抽象为汉密尔顿图,将树枝型取送车问题转化为旅行商(TSP)问题,采用了一种新的融合算法——遗传蚁群算法对该问题进行求解,经过遗传算法的初步搜索并生成初始信息素分布,增强了蚁群算法的正反馈机制,降低了蚁群算法中的参数调整程度。此外,遗传算法与蚁群算法结合后,在算法的收敛速度加快的同时,蚁群算法中的α、β、p参数对取送车问题规模变化的敏感度降低,提高了算法的鲁棒性。在蚁群算法阶段使用最大-最小蚂蚁系统(MMAS),而且同时采用信息素的局部更新和全局更新规则,有效避免了陷入局部最优问题。(5)设计开发了大型有色冶炼企业铁路运输智能调度系统,实现了企业铁路调度过程的钩机划、调车作业在线优化与离线仿真功能,在保证安全和生产需求的条件下,提高了调车效率,有效了加速车辆的周转,降低企业运输成本。