铁路货物运输是木材、粮食、能源、矿物等大宗物品的主要运输方式。在货运行业中的作用也越来越重要,然而,由于资源分布和地区发展的不均衡,每天各车站卸车产生的空车数不一定满足装车需求,出现了空车在路网中分布不均衡的现象。为了弥补这种空车的不均衡分布,铁路调度部门必须将空车从供应站调运至需求站,即空车调配。空车调配优化问题是在满足车辆供求前提下以最小化空车走行成本为目标制定调配方案。空车调配是保证运输系统持续满足装车需求的主要方式。因此,为了满足装车站的运输需求,使得运输系统连续不间断的运转,空车必须按照需求数量如期送达装车站。实际工作中,运输过程受到多种随机因素的影响,车辆的走行时间往往是不确定的,且事先无法准确预知。基于我国铁路网客货混跑的情况,让车、错车的现象时有发生,同时,装车卸车的操作时间的不确定性,造成了运输时间是不确定的,因此,如果在制定调配方案时不考虑走行时间的不确定性很容易延误装车需求,无法如期满足发货需求,造成货主的满意度降低,运输下降等一系列问题。我们面临的另一个现实问题是空车调配是为了满足未来的装车需求,而未来的需求是难以精确预测的,如果调运数量过多,会发生不必要的空车走行,同时也给铁路的运力带来了压力(线路和机车的占用),如果调运数量不足,会延误装车需求,甚至错失商业机会。本文以中国铁路货物运输为背景,对空车调配问题进行研究。在尽量满足车辆供求的前提下以降低成本提高效率为目标,为了降低延误风险和短缺风险,分别考虑车辆旅行时间和运输需求的不确定性,并建立了相应的优化模型,同时与现有模型相比较,分析模型中参数的敏感性及不同模型的适用场景和特征。本文的研究内容主要分为以下两个部分:针对走行时间不确定下的空车调配问题,采用预算-正偏差方案总耗时作为目标函数,更全面地考虑了参数不确定环境下运输方案耗时的分布特征。这种形式的目标函数同时考虑了调配方案的空车走行成本和可能发生的延误时长,该优化模型可以根据决策者的不同风险偏好制定运输方案。本文采用基于采样平均近似的随机优化进行建模和求解。算例实验的结果显示,与期望值模型相比,基于预算-正偏差模型得到的运输方案的鲁棒性更好。研究需求不确定下的多阶段空车调配问题,难点在于如何量化表示未来的装车需求来制定空车调配决策以最小化车辆短缺造成的损失是我们需要考虑的问题。本文利用鲁棒优化方法进行建模与求解,以帮助铁路调度员在最小化车辆短缺风险的同时减少空车走行代价。两站间的车辆需求数量由一个不确定集描述,鲁棒优化模型在降低短缺风险的同时最小化空车走行成本,也就最大化了不短缺的场景数(最小化短缺概率)。通过对偶理论,推导并提出一种精确算法。算例实验表明,鲁棒优化模型得到的调配方案可以更好地降低短缺风险,并且在需求波动越大时,优势越明显。