列车在运行过程中所消耗的能源在整个铁路运输消耗资源中占据着较大的比例,为了提高列车在运行过程中能源利用率,国内外有关专家学者进行了广泛深入地研究,但是很多研究结果都是基于以能量消耗最小为目标,安全性与时间为约束的单个目标优化。然而从本质上说,列车运行过程属于多目标优化问题,需同时满足安全、节能、正点以及停靠准确的要求。此类优化问题,不存在绝对意义上的最优解,而是有多个甚至无穷多个相互非劣的Pareto最优解,而目前的各种方法在一次运行过程中只能得到其中的一个解,同时,这些方法大多只利用了经验信息和现场数据信息中的一种,未能充分利用列车运行过程中所能提供的所有信息。鉴于此,本文主要完成了以下工作:以多目标优化方法和理论为基础,建立以能耗、正点率和停靠准确性为目标,安全性为约束的多目标列车运行过程优化模型。以微粒群算法求解多目标列车运行过程优化问题,提出了相应的改进优化算法。首先,将决策者对解的基本要求作为偏好信息,溶入解的更新过程中,以引导寻优过程向期望区域运动;同时,为了进一步加速迭代收敛过程,根据列车运行速度—距离曲线,将列车运行过程分为六种模式,其中只有一种模式是所期望的结果,算法迭代过程中产生的解必然对应于其中某一种模式。针对每种所不期望的模式,提出相应的调整策略,对其进行调整,促使其加速向期望模式靠近,以加快收敛过程;最后,为了能够确保获得决策者满意的结果,提出了人机交互式微粒群算法,将经过一定迭代次数后的优化结果呈现给决策者,决策者给出优化应该努力的方向,通过直接修改人机交互界面中列车控制策略改变优化搜索方向,经过有限次调整后即可得到满意的结果。以多目标微粒群算法优化列车运行过程,提出了基于目标间重要关系和给定参考点偏好信息的多目标微粒群优化算法;对既有的多目标微粒群优化算法进行了改进,以扩展优胜关系(E_dominance)取代算法中的ε-dominance,并对保持解集多样性的格珊方法进行了改进,这些方法显著地改善了算法的计算复杂度和收敛性。以改进后的多目标微粒群算法优化列车运行过程,得到了期望的结果。微粒群和多目标微粒群算法都不能满足列车控制实时性要求,同时,由于列车运行过程中存在着不确定性因素(如:列车载重量的变化,线路坡道变化,车辆类型不同引起列车动力学性能发生变化等),离线优化获得的最优控制策略难以取得期望的结果,甚至可能不再是有效的控制策略。提出以能够同时利用经验信息和现场数据信息的自适应模糊逻辑系统对离线优化的结果进行实时调整,以消除不确定因素对列车运行的影响,获得了满意的效果。文章最后实现了计算机辅助多目标优化系统,能够完成优化问题的输入、算法选择、算法性能评价、优化结果的保存和处理,可用于列车运行过程优化、控制系统优化以及一般的单目标和多目标优化问题的优化。