铁路运输是企业生产运输的主要方式，在大型工业企业的生产中占据着主导地位。目前，大多数企业铁路的编组站规模较小，并且使用人工调度的方法，使编组站经常出现超负荷、堵车现象，甚至发生灾难性事故，从而导致铁路的运输效率较低。随着各企业生产规模和运输量的不断扩大，编组站的传统调度方式已经不能满足企业的生产要求，所以对企业铁路编组站调度优化问题的研究具有重要的现实意义。本文以整个企业编组站调度系统为研究对象，在对编组站技术作业和作业流程进行详细分析的基础上，提出了优化算法与专家系统结合的混合优化策略。论文详细分析了企业编组站的调度系统和作业流程特点，在此基础上提出了数学优化算法与专家系统融合成的混合优化策略对调度系统进行优化。以阶段计划为子模块，将企业铁路运输调度问题分解为列车分组、到发线应用、编组、进路、机车供应和周转以及取送车六个子模块，并用不同的优化策略对子模块分别进行了优化研究。树枝形取送车优化问题进行研究。详细分析了取送车系统的类型和作业特点，针对多趟列车分批到达编组站的情况，采用多种取送作业方式，建立了该取送车优化问题的数学模型，同时提出了GACA(Genetic Ant Colony Algorithm,遗传蚁群算法)对该取送车优化问题进行求解。该数学模型是以充分利用调机的牵引能力为原则，以货车总消耗时间最小化为优化目标。与传统模型相比，该模型把取送问题的顺序、时间和批次作为一个系统进行优化，同时考虑到了调机的牵引能力和装卸区的容车能力的约束。仿真结果验证了该模型的合理性、可行性且该模型充分提高了调机的工作效率；同时通过GACA和蚁群算法的对比，说明该算法的优越性。进路优化问题进行研究。根据企业编组站分布特点，构建了编组站场的网络拓扑结构图，在此基础上建立了以作业晚点时间最小和走行时间最短为目标函数的数学模型，同时提出了GACA对该进路优化问题进行求解。本文所建立的数学模型准确描述了各个作业进路之间的时间和空间关系，能够依据作业的优先级合理的安排多项作业的执行顺序，GACA能够在较短的时间内得出较满意的车站进路选择方案，从而达到优化车站进路选择的目的。