煤炭是现代工业不可或缺的养料,中国富煤、贫油、少气的能源储量结构决定了中国的能源供给一直以煤炭为主。然而国内煤炭资源的分布不均,我国煤炭供需之间的空间地理矛盾产生了大量的煤炭铁路运输需求,因此对煤炭调运进行研究具有重要意义。目前大型能源企业的煤炭调运计划编制主要依靠粗放的人工方式实现,全面采用科学信息手段,实现人机共同决策制定调运计划将会是大型能源企业的未来发展方向。首先,本文对煤炭分级调运问题展开研究。文章对于煤炭调运问题的实质、构成要素及其特点进行了研究,将煤炭调运问题归纳为非传统运输问题;同时,对于煤炭调运问题的现有求解模型和求解算法进行分析,并结合算法的特性分析其适用情况。在剖析现有求解模型和算法的基础上,确定了本文研究的煤炭调运问题的建模类型和求解算法。其次,依据调运计划分解的逻辑,分别建立了煤炭调运优化年模型,月分解模型和逐日模型。以年模型为例,验证了遗传算法和Lingo求解煤炭调运问题的性能优劣。通过建立时空网络,将煤炭调运量、库存量和销售量的按月变化情况纳入月分解模型考虑范围,并以疫情前后煤炭价格变化为数据,验证模型在“黑天鹅”事件发生情况下的优化能力。在逐日模型中考虑煤运列车跨周期到达和装车平载的情况,将铁路天窗计划和装车站平载约束纳入模型考虑范围。最后,本文基于三级优化模型,建立了具有一致关联性的煤炭调运问题算例,依据年模型算例对求解算法性能的验证结论,采用Lingo对月分解模型和逐日模型的算例分别进行求解。通过计算发现,本文提出的求解模型和求解算法能够对煤炭分级调运优化问题进行有效的求解,且求解结果能够较好地为大型能源企业提供调运计划制定的决策依据。