铁路网车流组织和双向编组站作业分工综合优化问题是铁路运营管理的核心内容之一,其任务是在给定的路网结构、线路和站点能力基础上,制定车流的最优运输组织方案和双向编组站作业分工方案,使车流的运输费用、集结费用和改编费用之和最小。研究者通常将铁路网车流组织问题和双向编组站作业分工综合优化问题进行分别研究,导致获得的研究方案具有局限性。在实际运输过程中,两者之间是相互影响和相互配合的关系,应充分考虑两者之间的内在联系,对它们进行分层或者一体化研究,优化出细化到发到场的直达去向及它们的吸引范围,最大程度的减少双向编组站折角车流、提高编组站利用率、减轻编组站的改编负荷、均衡利用双向系统能力。综上所述,铁路网车流组织和双向编组站作业分工的综合优化具有重要的现实意义。本文基于车流组织优化理论和现代数学方法,对车流组织和双向编组站作业分工综合优化的有关问题进行了研究。本文的主要研究内容如下：(1)对比分析了北美地区、欧洲地区和我国的铁路货物运输设备条件、组织现状和典型优化模型,指出了各自的优、缺点及适用范围。(2)构建了偏好长距离直达去向的列车开行方案优化模型(TFP-c2)。该模型在我国典型货物列车编组计划模型(TFP-c)基础上进行扩展,引入了列车开行频度决策变量,并在目标函数中充分考虑了单位列车运营费用和车流在技术站改编时消耗的人力物力费用。与TFP-c模型的优化方案相比,TFP-c2模型获得的优化方案延长了单位列车的运送距离、减少了车流的中转次数、减轻了编组站的作业负荷、降低了变动设备(机车和车辆)的购置费、加速了货物的送达速度。(3)构建了考虑列车开行频度和车流树形改编链线性约束的货物列车开行方案优化模型(LTFP)。该模型以欧洲地区的列车编组计划点弧模型为基础,通过引入相同到站车流第一改编站选择决策变量、线性化树形改编链约束和列车频度决策变量,使其适用于我国运输实际。与TFP-c2模型相比,该模型既缩小了问题的求解空问,又便于人工参与优化计算过程。(4)设计了三种智能优化算法(并行禁忌搜索算法、基于小生境技术的遗传算法、基于邻域搜索和小生境技术的混合遗传算法)对TFP-c、TFP-c2和LTFP模型进行了求解。为验证模型的正确性和评估三种算法的性能,设计了三个不同规模的算例。计算结果表明,在小规模问题上,上述三种优化算法均能求得全局最优解,且求解速度优于商业求解软件中的精确算法(LINGO);当算例规模增大时,智能算法的求解效果均优于精确算法。从求解质量上看,混合遗传算法最好、并行禁忌搜索算法次之、遗传算法最差；从求解效率上看,并行禁忌搜索算法最快、混合遗传次之、遗传算法最差。对比不同固定费用下TFP-c2模型的求解方案发现,列车平均运距随固定费用的增加而增加,达到了预期效果。对比分别在TFP-c2和LTFP模型下的算法求解效果发现,在后者基础上算法的求解效率和求解质量得到极大程度提高。(5)在满足线路和技术站能力要求下,利用分层优化的方法制定出细化到出发场和到达场的直达方案和车流在双向编组站内的作业分工方案。上层模型为：基于点线网络构建的货物列车编组计划模型(单点模型),下层模型为：双向编组站作业分工优化模型。分层优化中,上层模型优化出的直达去向、车流的改编方案和各直达去向的车流构成作为下层模型的输入数据；下层模型的优化结果作为上层模型的补充和调整依据。本文设计了三类下层模型,分别为：①到达去向接入系统受限的双向编组站作业分工优化模型；②到发系统不受限的双向编组站作业分工优化模型；③考虑多条折角径路的双向编组站作业分工优化模型。最后,在智能优化算法求解出上层优化模型基础上,利用lingo软件对第②类模型进行了求解,验证了分层优化方法的可行性和模型设计的可行性。(6)构建了三个不同类型的铁路网车流组织和双向编组站作业分工一体化模型,均以车流的集结费用、改编费用和在双向编组站所在枢纽内联络线的走行费用之和最小为目标。其中前两个模型基于我国车流组织典型模型,分别从仅将路网中标准双向编组站扩展为两个点和将任何形式双向编组站扩展为多点的角度出发,综合考虑双向编组站作业分工问题与路网车流组织问题,构建了一体化模型,后者比前者的应用范围更广泛；第三个模型基于欧洲地区车流组织典型模型,在将路网中标准双向编组站扩展为两点的情形下,增加了符合我国铁路运输实际的具有相同到站的车流需进行树形改编的约束条件,糅合了双向编组站作业分工问题,构建了铁路网车流组织和双向编组站作业分工一体化优化模型。第三个模型较前两个的模型求解空间小,求解速度更快。最后通过设计算例,验证了上述三个模型的可行性和一致性。计算结果表明,一体化模型得到的优化方案可将分层优化方法中的不可避免折角改编车流转移至其它技术站顺向改编,减少了路网折角改编车流量,减轻了编组站的作业负担和节省了人力物力投资。