随着城市轨道交通不断发展,如何降低列车牵引能耗问题逐渐成为研究重点。列车运行曲线优化是降低列车牵引能耗的主要方法之一,其本质是一个多目标优化问题。传统解析和数值方法存在求解困难,计算时间长等缺点,智能优化算法建模相对简单,对数学模型要求不高、适应性强,在求解列车运行优化曲线的问题上取得了不错的优化效果。现有研究多数直接将智能优化算法应用于求解列车运行曲线,缺少对智能优化算法性能评价指标的梳理和对算法性能的对比分析。同时,随着智能优化算法发展而出现的新型智能优化算法,其应用在曲线优化问题的适用性也尚待研究。针对现有研究存在的问题,本文的主要研究工作如下:（1）结合轨道交通行业对于优化曲线的不同场景需求以及智能优化算法的搜索特性,从算法结果和算法过程两个方面出发,梳理了面向于求解列车运行曲线优化问题的算法性能评价指标。为客观评价算法整体性能,采用客观赋权法——熵值法计算各指标权重,实现对算法整体性能的综合评价。（2）基于传统智能算法中的典型方法——遗传算法、蚁群算法和粒子群算法,设计列车运行曲线优化算法。提出一种考虑线路限速和列车运行时分的启发设置方法,大大降低了求解问题的复杂程度。基于北京磁浮S1线的实际线路信息和列车数据,通过数值实验的方式探究了算法参数对算法性能的影响规律,得到了遗传算法、蚁群算法和粒子群算法在该求解问题上的最优参数设定。随后对三种传统智能优化算法的求解性能进行评价,验证了智能优化算法性能评价指标和评价方法的有效性。（3）以灰狼优化算法为例,从算法性能和应用场景两个角度出发,探究了新型智能优化算法在列车运行曲线优化问题上的适用性。针对不同优化曲线场景需求,基于主客观相结合的组合赋权法对在线计算和离线计算两个场景进行了算法适用性分析。相关结果表明,灰狼优化算法在整体性能上要优于传统智能优化算法,在离线计算场景中具有较好的适用性。（4）基于WPF开发框架,采用MATLAB+C#的混合编程技术开发智能优化算法性能分析软件,计算能力强,可视化效果好。可针对不同线路区间、不同智能优化算法开展不同参数设定下的算法实验,相关性能评价指标可自动计算和可视化展示。针对不同场景需求,使用人员可以对各项性能指标权重进行实时设计,得到智能优化算法在不同场景下的综合评价。图70幅,表37个,参考文献59篇。