铁路空车调配的基本任务是把各路局或者各地区的剩余空车调配到空车不满足的路局或者地区,以实现各个路局都能按计划完成每天的装卸任务。而有效提高铁路空车的分配效率和运输效率是铁路运输中的关键所在,也是取得更大经济效益的重要手段之一,因此有必要对铁路空车调配问题进行深入研究。（1）本文在既有研究的基础上,结合相关的空车调配理论知识,主要从动态性和随机性两个方面展开研究,其中的动态性通过建立时空网络来描述,随机性主要由随机变量来表现。（2）文中引入了既有研究中确定性条件下的铁路空车调配问题模型,并对该模型进行了分析评价,主要从三个方面进行了评价:模型的复杂性、确定性环境下的局限性、目标函数单一性。（3）针对模型评价中的模型复杂性,本文通过改变决策变量来实现模型的简化,确定性环境下模型的决策变量为各路径每条路段的空车流量,为了简化模型,以路网中各个OD间路径的空车流量作为决策变量,相对应的约束条件和变量的数量都会有所简化,且模型的复杂性不会随着路网复杂性的增大而增大,简化的模型在解决空车调配问题时发挥至关重要的作用。（4）针对模型评价中确定性环境下建立模型带来的局限性,本文主要在简化模型的基础上加入随机变量,考虑随机变量为路径通过能力和站点中转能力两个随机变量,以路网中路径上实际通过车辆数小于该路径最大通过能力的概率最大和站点各阶段实际中转车辆数小于该站点中转能力的概率最大为目标,以收益标准要求、空车供给站各阶段供给能力等作为约束条件,建立铁路空车调配问题的随机相关机会规划模型,并设计以随机模拟、神经网络和遗传算法相结合的混合智能算法进行求解。同时设计案例对所建立的模型和设计的算法进行验证,并与传统的遗传算法进行了对比,以求证文中模型及算法的高效性和实用性。（5）针对模型评价中目标函数单一性,文中在考虑收益最大化的同时考虑了需求方对空车调配满意度最大化,针对此类“效益悖反”的目标函数,在以上简化模型的基础上进行改进,建立了双层规划模型,双层规划模型能够较好地实现收益与满意程度同时实现最大的目标。其中上层规划以空车调配收益最大为目标,下层规划以综合满意度最大为目标,并且在下层规划中引入“综合选择度”作为下层规划服务质量满意度的定量化表述,文中主要考虑影响“综合选择度”的因素为车辆所处的阶段、车辆所在的路径以及车辆的种类,并在此基础上设计遗传算法对模型进行求解。最后引入实际案例分析模型及算法的有效性和实用性,并且给出了不同条件下获得最优解的具体数据,从而验证研究方法高效性,同时说明了该章节研究思路的正确性。