重载铁路具有运量大,运输效率高的特点,因此在大宗货物的运输中发挥着重要作用。随着货运量的增加,我国单列重载列车的运载量已经从一万吨增加到了两万吨,复杂运行环境条件下带有传统空气制动的长编组重载列车驾驶控制迎来了新的挑战,为进一步减少司机的劳动强度,提升重载铁路的运输能力,研究重载列车的自动驾驶控制问题就显得尤为重要。我国重载铁路及列车运行的以下几个特点使得实现重载列车的自动驾驶十分困难。首先,重载列车编组多样、车身长,且列车使用同步操控,制动采用传统的空气制动与电制动结合的方式。其次,由于海拔落差大,我国重载铁路具有长大下坡道集中的特点,在长大下坡区段,即使列车采取最大电制动,列车也将缓慢加速运行。为提高运行效率、同时降低维护成本,重载列车通常采用循环制动方式,面向分相区、弯道等复杂条件,给驾驶策略的计算带来了挑战。论文以朔黄铁路为研究背景,结合重载列车在长大下坡区段的运行特点及对应的约束条件,分别选择基于模型驱动（人工蜂群算法、混合整数线性规划方法）和基于数据驱动（近似动态规划算法）的方法研究重载列车在长大下坡区间的驾驶曲线优化问题。并通过仿真结果对不同算法的优化效果进行比较和分析。本文的研究工作主要有以下几个方面:（1）分析重载列车的运行特点,考虑了重载列车的充风时间和工况转换等约束,以减小空气制动时长和提高列车运行效率为目标,构建了重载列车在长大下坡区段运行的优化控制模型。（2）本文将既有的优化控制模型,转化为求解列车的工况转换点问题,基于启发式算法中的人工蜂群算法,设计了一种求解工况转换点的方法。在传统人工蜂群算法的基础上,本文提出了一种结合线路条件的初始解生成方法,缩小了最优解的搜索范围,提高了求解效率。（3）本文基于数值的方法,将非线性问题线性化,使用混合整数线性规划方法进行求解,与启发式算法相比,该方法求得的结果更准确。本文针对该方法进行了仿真验证,同时对混合整数线性规划方法的有效性以及参数对优化效果的影响进行了分析。（4）本文使用基于数据驱动的方法,将优化问题转化为马尔科夫决策过程,结合具体的问题,对智能体（列车）在每个阶段的状态,动作和成本函数进行定义,并对每个阶段的值函数使用基函数进行近似。并使用近似动态规划方法对优化问题进行求解,验证了近似动态规划方法的有效性。