列车调度问题是铁路交通领域的重要研究课题,高效合理的列车时刻表不仅能最大限度地缓解交通压力,同时也能有效减少列车的通勤时间和资源消耗。复杂铁路网中的列车调度问题是经典的NP难问题,几十年来,利用传统算法寻求最优调度方案的尝试从未停止,动态规划、整数规划等数学方法在该领域取得了显著的成效。另一方面,强化学习（Reinforcement Learning,RL）理论近几年发展迅速,在各种决策问题上应用日趋广泛,尤其多智能体强化学习（Multi-Agent Reinforcement Learning,MARL）在多智能体交互的复杂环境中发挥越来越重要的作用。本文将多智能体强化学习方法与列车调度问题相结合,针对列车运行环境,提出了新的多智能体强化学习模型框架,利用智能体在铁路网络中的探索与自我学习不断优化列车调度的策略,以达到合理调度的目的。本文主要提出了以下两种基于不同决策策略的多智能体强化学习（MARL）框架,用于解决列车调度问题。基于同步协作网络（Synchronous Cooperation Network,SCN）的列车调度方法。在环境中,智能体即列车之间是以合作的形式互相影响的,本方法中智能体之间采取集中训练,分散决策的策略。训练过程中,智能体间可以交换一部分信息,使其能获得更大范围的观测信息。在作出决策时,智能体间相对独立,依据自身的策略作出各自的动作。由于合作环境中,智能体之间是平等的关系,这更有利于整体策略向全局最优的方向收敛。实验结果表明,同步决策模型在收敛速度和稳定后的平均回合奖励上,表现要优于一些传统强化学习算法。基于异步协作网络（Asynchronous Cooperation Network,ACN）的列车调度方法。根据环境中列车属性的不同,为它们设置不同的优先级别,优先级高的智能体先做出决策,优先级低的后做出决策。因此低优先级的智能体能看到高优先级智能体可能做出的动作,并将这些信息作为决策的影响因素考虑在内。在此模型中,各个智能体的观测信息是不同的。实验表明,异步决策的优势在于降低了智能体在路口处发生冲突的概率,一般情况下优先级高的列车会优先通过,节省了汇车时间。最后,为了更直观地展示多智能体强化学习在列车调度问题上的应用成果,本研究实现了列车调度演示的原型系统。系统具有环境参数设置,模型选择与任务选择等功能,将模型设置、训练等过程与最终的结果展示结合在了一起。