随着铁路建设的蓬勃发展，急需解决的是闭塞分区划分问题。而自铁路开始运营以来，保证行车安全、缩短追踪间隔、提高通过能力三者就联系紧密。传统使用牵引计算软件来计算追踪间隔，容易出错，几乎未涉及任何算法。而列车追踪间隔是制约闭塞分区划分因素之一。因此，通过对闭塞分区划分合理化，缩短客货混跑双线追踪间隔，提高通过能力就显得尤为重要。论文通过对闭塞分区划分的国内外现状分析及比较，说明本课题选做的可行性，即目前对闭塞分区的划分基本采用的算法多为基于地铁设计的遗传算法，蚁群算法、粒子群算法，且基本只涉及单线。而本文在双线基础上使用人工免疫加入粒子群算法为核心的倾向于客货混跑型普速铁路的闭塞分区划分方法有比较明显的优势。本文以普速铁路为研究对象，对其闭塞分区划分优化方法进行了较为深入的研究。论文通过在双线基础上使用免疫粒子群算法进行闭塞分区划分优化设计，设计了免疫粒子群算法的优化步骤。免疫粒子群算法相比于单一算法具有抗体的多样性保持功能，可提高全局搜索能力，避免早熟；且收敛过程简单、快速，算法在优化参数选择方面具有成熟的理论研究，对多目标优化问题具备优越性。同时论文深入探讨闭塞分区划分的基本原理即列车牵引计算原理及影响闭塞分区划分的因素，并分析出闭塞分区影响因子的优先级。论文在分析列车影响追踪间隔因素及速度等级划分结果的基础上进行三种目标，即“效率”、“经济”、“平均”下的计算机仿真优化。仿真结果表明免疫粒子群算法在实际信号机安装工程中可以准确、有效地实现闭塞分区划分问题，且通过可靠度误差棒可得免疫粒子群算法划分后的结果符合可靠度要求。最后设计出基于此算法的固定闭塞“效率”的仿真平台。