编组站调度决策支持系统主要用于解决编组站作业中班计划、阶段计划以及调车作业计划的自动化编制及自动调整等问题,其智能化水平对提升铁路货物运输能力有着重要作用。其中,编组站阶段计划中的配流计划编制问题是阶段计划产生的基础,是关系到整个调度计划的关键问题,一直以来,设计满足该类问题特征的建模方法和优化算法都是国内外的研究热点。现有配流计划编制问题的建模方法主要有两种:一种是将车流推算、解编顺序、调机安排以及到发线运用等问题统筹考虑,构建整个问题的混合整数非线性规划模型;另一种是先将整个问题分解为若干个子问题,再分别构建子问题的纯整数或者混合整数线性规划模型。在模型求解过程中,由于问题具有NP-难或者NP-完全性质,多数研究对模型进行一定程度的松弛和简化,并使用多种启发式算法求得近似解。由于配流问题本质上属于规模庞大、关系复杂且存在大量不确定性因素的鲁棒性实时调度问题,现有模型和算法在同时具备动态性、实时性和高效性的配流方法、优先调度规则的理论证明、不确定性因素的分析等方面的研究还不够深入,然而除了问题自身的复杂性以外,不同国家、不同站型以及不同作业流程的编组站具有不同的描述方法,也给该问题的建模、分析和求解带来了许多困难,制约了编组站调度问题的研究发展。因此,本论文根据配流计划编制的特点,在借鉴生产调度优化理论的基础上,对以下五个方面展开了相关研究:(1)提出了基于生产调度理论配流问题建模方法。为了使该建模方法适用于各类应用场景,对作业流程、变量命名、问题、目标函数和约束条件进行了统一描述和定义,并在此基础上,基于生产调度理论建立了一般配流模型。(2)提出了基于贪心算法的动态配流多阶段决策建模方法。为了获得寻优能力强、求解效率高、且可及时调整的算法模型,本论文以编组顺序为准依次划分阶段,提出了根据各阶段△t_i值的动态解体区间划分方法,使得阶段内更多解体列车可提前获得解体调机资源;在解体区间内,以当前阶段待编列车的车流需求为匹配目标,设计了依据不同规则与策略的最优解体列车选择算法,并进行了对比实验,取得了预期效果。(3)基于基本配流模型的多阶段启发式算法,给出了优化目标与各种调度策略之间的等价或者近似转化关系,并进行了数学证明与推导。首先,将模型优化目标等价为阶段计划时间内所有出发车获得的车流辆数最多,在此基础上,从解体顺序选择和编组方案制定两个方面给出相应的调度规则;然后,提出满足多个出发列车去向需求的车流优先配入出发时间早的列车可使方案更优的策略,进而给出编制滚动式计划的调度规则;最后,给出一种具有阶段最优解就是全局最优解特征的到、发列车去向特征,并据此提出各阶段的编组去向转换规则。根据这些调度规则,设计以每列出发列车依次获得车流数最多为阶段目标的启发式算法,并通过实例验证了规则的有效性。(4)为了对不同待解列车方案值进行合理排序,可采用包含信息未知度和不确定性因素的记分函数进行Vague集(值)的相似度量。首先分析Vague集中记分函数的特性,对比现有几种记分函数的优缺点,得到利用记分函数进行决策方案排序的局限性。通过挖掘Vague值中未知信息与不确定信息的内涵,结合Vague值期望的概念,设计一种新的记分函数,将不同的Vague值对应于Fuzzy集中的某个值;当记分函数值相等时,采用确定性信息进行二次排序。通过实例数据验证该函数与现实世界认知的匹配程度以及排序的唯一性。(5)运用基于Vague集的多准则决策理论解决当前阶段各解体区间上的解体列车选择问题。从系统论角度出发,构建集人员、调机、驼峰、线路状况、到发列车以及天气等因素的分层指标系统;提出作业时间的可加性和可乘性模糊运算关系,并运用定值表示法、区间数转化法、模糊关系运算法以及基于车流匹配的支持度等方法,给出将各指标数据转换为Vague值的隶属度函数和非隶属度函数;针对不同指标之间的逻辑关系和优先级别,设计基于规则、Vague合成关系以及权重的多种评价函数;采用文中提出的记分函数对各解体列车的评价函数进行换算,选择记分函数值最大的到达列车进行解体。最后,通过实例验证该决策方法的有效性。论文围绕不确定条件下的配流调度问题在标准模型构建方法、基于贪心算法的无回溯分阶段配流问题调度方法、动态解体顺序生成算法、启发式优先调度规则理论证明、Vague集记分函数设计以及基于Vague集优化理论的解体列车选择算法等方面进行了深入研究,并通过实验证明或者理论证明的方式论证了规则、模型和算法的可行性和有效性,为寻找满足现场实际需求的优化配流方案提供了一种较为全面的解决思路。