集装箱运输费用低、效率高、协作性好,目前已受到各界的普遍重视。铁路集装箱运输作为其中一个关键环节,在整个集装箱运输系统中发挥着重要作用。铁路集装箱中心站是办理货物到发、存储、加工等业务的主要场所,也是现代综合物流体系中的重要组成部分。在日益激烈的市场竞争中,只有不断提高作业效率、降低运营成本,才能得以生存。然而,由于铁路集装箱中心站物流系统比较庞大,且具有高度非线性和动态性的特点,同时其作业过程影响因素众多,各环节之间的逻辑比较复杂,因此对系统优化的研究十分困难。本文对铁路集装箱中心站物流系统相关优化问题分别进行研究,采用不同的优化方法,对系统各环节以及作业资源进行分析和优化,从而达到科学管理和控制的目的。状态空间模型是在动态系统符合马尔科夫性假设基础上,由平稳时间序列分析而来的一种动态时域模型,该模型不仅能够准确地描述系统内部状态,而且能够很好地阐释内部状态与外部输入、输出变量的联系。互信息技术是典型的特征选择高维数据分离度量方法,通过建立高维特征提取向量与输出分类信息之间的内在联系,达到原始高维特征空间降维的目的。本文利用状态空间时间序列模型对于多输入、输出变量复杂问题的适用性,且不需要大量历史数据对系统状态进行描述的特点,建立了铁路集装箱中心站所在区域货运需求预测状态空间时间序列模型。同时,采用互信息技术对原始高维输入数据进行降维,并针对自然灾害、政策变动等一些特殊影响因素,提出加权的互信息计算方法,以提高综合信息提取与数据降维的能力。通过与LIBSVM支持向量回归模型以及局部线性小波神经网络模型的对比实验,证明了该模型对于小样本、高维度区域货运需求预测问题的有效性。排队论是研究系统运作策略相关问题的一种有效方法,由该理论建立起来的模型可进一步分为静态排队模型以及瞬时排队模型。瞬时排队模型由于系统状态描述比较困难、计算相对复杂,因此其应用受到许多限制。铁路集装箱中心站大门系统具有很强的动态性,传统静态排队模型难以对系统进行准确描述。本文针对铁路集装箱中心站大门系统拥塞问题,通过搜集有关数据,统计得出外部卡车到达时间间隔以及大门系统服务时间分布规律,并在此基础上分别建立瞬时排队模型及系统优化模型。采用等可能组合优化求解方法对模型进行求解计算。通过系统仿真对比实验以及三个方面的灵敏度分析,证明模型与方法的合理性及有效性。针对铁路中心站起重机调度与箱位分配决策问题,本文在综合考虑集装箱堆存方向、轨道式集装箱门式起重机安全距离等因素基础上,以最大作业完成时间最小化为目标,建立数学模型。启发式算法作为非确定性多项式完全问题近似求解的重要方法,在解决铁路集装箱中心站有关优化问题方面起着十分重要作用。回溯搜索优化算法是目前较新的一种进化算法,由于其总体结构比较简单,因此能够更加快速、有效地求解高维多模优化模型。同时,为了进一步提高算法寻找最优解的能力,并解决该算法易陷入局部最优解的缺点,本文对回溯搜索优化算法进行了相应的改进,从而提高算法的性能以及对于该问题的适应度。通过数值算例分析,证明铁路中心站起重机调度与箱位分配模型及改进回溯搜索优化算法对于求解该问题的可行性及有效性。铁路集装箱中心站物流系统很难采用传统数学模型予以描述,因此系统仿真方法是解决此类问题的有效途径。Simio仿真软件是面向“智能对象”的新一代三维系统仿真软件,采用独特的三层结构,对系统对象的行为、属性以及过程进行定义,因此具有良好的离散系统仿真能力。本文根据铁路集装箱中心站物流系统整体作业流程,建立相应的Simio系统仿真模型,通过系统实际参数输入,模拟特定条件下系统的运作情况。改变系统相关影响因素以及资源配置数量分别进行多次仿真实验,观察结果变化并得出相应结论。提出铁路集装箱中心站物流系统资源配置优化计算方法,并嵌入系统仿真逻辑,在仿真模型运行的过程中计算系统最优的资源数量。由模型实验结果可以得出,系统仿真方法能够对铁路集装箱中心站物流系统进行有效的模拟和监控,其仿真优化结果有助于管理者实施相关决策。本文采用互信息技术、状态空间时间序列、等可能组合算法、改进回溯搜索算法,以及Simio系统仿真技术对铁路集装箱中心站物流系统进行研究,从区域货运需求预测、大门系统拥塞优化、起重机调度与箱位分配决策、系统资源优化配置方面实现系统的智能控制。本文的研究具有重要的理论意义和实际应用价值,并为今后的研究奠定了基础。