“集运”、“运输”、“疏运”是铁路重载运输中相对独立又互相影响的三个环节,各环节与系统的关系类似于经济学中的木桶效应,只有三个子系统能力相当,协调匹配,才能实现系统整体能力的最优。长久以来,疏运系统一直处于弱势地位,其能力滞后于另外两个子系统,从而限制了整个系统的能力。疏运系统即是以卸车组织为核心的子系统。通过加强对卸车组织的研究,提高疏运系统能力,使疏运系统能力更好的匹配其他两个系统,对于提高重载运输整体能力有积极意义。本文以重载铁路卸车作业系统为研究对象,结合Job-shop调度问题和组合优化问题的相关理论,对卸车作业系统中的卸车调度问题进行了优化,取得了较好的效果。首先,介绍了重载铁路集疏运系统的内涵与特征,分析了其发展进程及存在的问题。在此基础上,对重载运输的卸车设备进行了介绍,分析了重载铁路卸车站的平面布置及其与铁路综合性货场、货站的异同。其次,描述了卸车作业流程,分析了其特征与影响因素,指出了卸车调度系统存在的问题。当列车到达不均衡,出现集中到达时,若不能很好的分配每个列车对位的翻车机,将产生大量的待卸时间,而合理确定的翻车机对位及卸车时间将大大减少卸车等待时间,从而提高卸车效率。问题类似于车间调度中的带约束的并行机调度问题,针对问题特点,本文构建了基于列车在站总时间最小的重载铁路卸车调度优化模型,该模型是一个多约束的、单目标的非线性整数规划问题,属组合优化问题的范畴。最后,根据模型特点,设计了基于实数编码的遗传算法求解模型；采用了基于对时间偏好的种群初始化方法,提高了算法的收敛速度；为防止算法陷入局部最优而早熟,采用指数定标的方法对适应度函数进行了缩放,选择算子则采用轮盘赌与精英保留策略相结合的方法,交叉算子采用基于混合交叉算子的进化策略。经大量仿真实验证明,该算法不仅提高了搜索速度,而且很好的避免了早熟现象。最后编写了相应的Matlab程序,并以大秦铁路柳村南站4小时阶段计划的卸车调度为例,验证了算法的有效性。本文所建模型能较好地解决卸车站的合理卸车及卸车时间选择问题,模型算法能快速得到算法的解,满足运输生产对时间要求较高的特点,所做工作可为重载运输卸车调度系统智能化提供借鉴。