确定车流径路是铁路行车组织中的一项重要内容，其选择的优劣直接影响了铁路网的运 输效率和经济效益。因此，车流径路的优化是铁路运输组织中的重要问题，传统的车流径 路优化大都是基于单目标的，多目标车流径路优化问题与之相比要复杂得多，本论文的目 的就是要结合现代式启发算法以及分布式计算技术来对多目标车流径路优化问题进行一些 探索性的研究，具体内容有： (1)在回顾和分析了大量有关路网车流径路优化的研究资料的基础上，总结了简化路网 规模的方法、归并车流的原则，构造了路网车流径路优化的多目标模型。 (2)提出了将多目标车流径路优化的问题转换为单目标车流径路优化的妥协方法；借鉴 传统的车流径路优化方法，定义了综合最短路径的概念，提出按综合最短路径分配车流的 理论，借鉴径向基神经网络优化的原理，将优化问题分解为两个阶段优化问题来研究：固 定车流顺序下车流径路优化问题和车流排列优化问题，在给出这两个问题的准确定义以后， 并借助于计算复杂性理论对两个问题的计算复杂性进行了分析。 (3)设计了求解综合最短路径的遗传-蚁群算法：当计算两点之间的综合最短路径时， 为了获得较为准确的解，利用遗传算法来进行初步求解，其中比较关键的一步就是利用优 先编码来构造相应的路径，即用编码的位置表示路网中顶点的代码，用编码相应位置的值 来表示路径构造时该点的状态。然后在此计算结果的基础上，利用蚁群算法来作进一步的 求解。 (3)采用改进的蚁群系统算法，根据综合最短路径分配车流的原则，来对固定车流顺序 条件下的车流径路进行优化。 (4)应用禁忌搜索法来完成车流排列空间的优化问题的求解。 (5)引入分布式计算技术，借鉴早期人工铺画列车运行图的经验，将两个优化模型问题 的算法结合起来，最终形成了一套完整的多目标车流径路分布式优化的算法。分布式计算 技术的采用可以大大地提高计算速度，其在车流径路方面的研究具有一定的前瞻性。 最后，论文总结了全文的研究工作及研究结果，提出了论文的若干创新点，并对未来 的工作给予展望。 关键词：多目标优化，车流径路，妥协方法，遗传算法，蚁群算法，禁忌搜索法，分布式 计算技术，径向基神经网络