动车组运用问题就是合理安排动车组的接续关系,使得动车组在完成列车运行图规定任务的前提下,尽量减少动车组的使用数量。同时动车组网络必须满足始发终到时刻、始发终到车站、检修资源布局、累计走行时间和里程等时空约束,显然动车组运用是含约束的复杂组合优化问题。差分进化(Differential Evolution Algorithm,DE)算法是一种基于种群的智能优化算法,具有进化原理简明、控制参数少以及鲁棒性强等优点;借鉴自然界种群进化而设计的变异算子和交叉算子使得DE算法不需要借助外部信息,特别适合求解复杂条件下的优化问题。根据动车组网络的不同特点,本文重点对动车组运用计划的数学模型和优化算法进行研究。主要工作如下:(1)为了提高动车组的利用效率,建立基于有向图的动车组接续优化模型。给定客运专线动车组调度问题,将“邻接节点”作为接续车次的选取范围,降低无效搜索,使得搜索空间始终处于可行域,得到动车组接续时间模型。(2)针对具有多枢纽车站的动车组调度模型,提出随机置换差分进化算法(Randomizes Swap Differential Evolution algorithm,RSDE)。采用适用于任何成对运行的动车组网络的改进的优先权编码方式,基于群论提出随机置换算法用于变异操作;采用优先级索引交叉(PIX)算子;考虑到个体携带的进化信息不同,提出自适应调节的收缩因子。以武广客运专线为研究对象,在MATLAB编程环境下对所提算法性能进行测试,仿真实验表明,相比比较算法,该算法能够实现较好的优化性能。(3)考虑对动车组运用的更高要求,在动车组走行标准和各级检修作业的约束下,最小化动车组接续时间同时减少动车组的检修次数,建立复杂条件下的动车组运用多目标优化模型。(4)针对动车组多目标优化模型,提出非支配排序差分进化算法(NS-RSDE)。将基于优先权编码的个体解码为动车组交路,并对违反检修标准的个体赋以较大的惩罚值。针对NS-RSDE算法,为了同时优化接续时间和检修次数,使用快速非支配排序算法对种群进行排序,吸引种群迫近Pareto非支配前沿;调用单点插入交叉方式诱导种群跳出局部极值,增强种群探索能力。最后结合武广客运专线上176次列车运行任务进行仿真研究,与其他算法对比,验证了NS-RSDE算法的高效性。