近年来,随着改革开放的深化以及经济产业结构的调整,我国铁路货物运输飞速发展。根据铁道部编制的《铁路“十二五”发展规划》,预计在2015年我国铁路货物发送量将达到55亿吨,比2014年增长约20亿吨。铁路货物运输的快速发展对铁路货运机车的有效周转及合理利用提出了更高的要求。作为货运车周转的重要组成环节,如何通过合理的调配货运空车来提高铁路货车利用效率,逐渐成为一个非常重要的问题。本文在国内外相关研究的基础上,结合铁路网络的动态性以及货物运输环境的随机性,对我国铁路空车调配问题进行深入研究。具体来说,构建时空网络对铁路路网进行描述分析,考虑现实铁路货运网络中不确定因素的影响,将不确定因素处理为随机变量,建立了空车调配问题的随机优化模型；基于模型的特点,设计遗传算法和遗传—模拟退火算法求解模型；设计实例进行模型和算法的有效性验证,并对算法进行对比分析。论文的研究内容总结如下：(1)确定环境下的铁路动态空车调配问题分析建模为描述空车调配问题的动态性,本文应用离散时空网络的方法将连续运输过程划分为不同的时间阶段,采用离散的时间阶段分析运输过程的动态变化。根据实际情况以及相应假设提出供给能力约束、站点需求约束、网络流平衡约束、路段通过能力约束、站点中转能力约束、阶段动态需求约束和决策变量取整约束等七类系统约束,构建了以空车走行费用和贮存费用最小为目标的整数规划模型,并对模型进行简要分析说明。(2)随机环境下的铁路动态空车调配问题模型针对铁路货物运输环境中的不确定因素,采用动态时空网络描述路网车流径路,主要分析了空车需求随机的空车调配问题。并基于路径选择,考虑总的运输费用和运输时间两个目标,为该问题建立了多目标随机期望值模型。在此基础上,考虑路网中转能力和通行能力随机参数的影响,对模型参数进行随机化处理,建立了随机机会约束规划模型,并讨论特殊情况下机会约束的确定等价类,对模型进行求解分析。(3)遗传算法和遗传—模拟退火算法为寻找空车调配问题的近似最优解,本文首先设计了基于分枝定界算法的潜在路径搜索方法。在此基础上,设计了包括选择、交叉、变异等操作的遗传算法对模型进行求解。为进一步提高算法的搜索效率,将模拟退火算子与遗传算法的交叉、变异等操作进行结合,设计出遗传—模拟退火算法,并对算法特点以及流程进行了说明。(4)算法有效性及算例分析设计两个不同规模算例,通过遗传算法求解确定环境下的动态空车调配问题模型；采用遗传—模拟退火算法求解需求随机的动态空车调配问题模型,并通过遗传算法和遗传—模拟退火算法求解对比分析,评价所得结果,验证设计的遗传—模拟退火算法的有效性。