随着社会经济的发展和人民生活水平的提高,旅客出行需求日益强烈,其中选择高铁出行的需求也日益增加,导致高铁运输能力日益紧张。建设高铁新线在一定程度上能增加高铁运能,但不是唯一的措施也不是最好的措施,而不断优化运输组织才是提高铁路运输能力的根本举措。作为运输组织的重要基础,运行图在运输组织优化过程中起着举足轻重的作用,因此对运行图进行优化一直受到专家学者的广泛关注。作为开行方案和运行图的重要组成,停站方案通常是在开行方案阶段确定,在运行图编制和优化阶段不再改动,从而在一定程度上限制了运行图能力的提高。为消除这种限制,本文将停站方案的确定融入到运行图优化中,对基于不固定停站方案的列车运行图优化问题进行研究。本文首先详细分析了停站方案和运行图的紧密关系,停站方案不仅在目标和约束条件方面和运行图有着较强的一致性,而且作为运行图重要的一部分,对运行图同等级列车铺画质量和不同等级列车越行质量有着重要影响。基于此,将停站方案的站间可达性约束、车站停站服务频次、列车停站次数等基础约束和运行图的基本约束结合,以给定数量、运行路径和开行顺序的列车占用运行图的时空资源最小为优化目标,建立了基于不固定停站方案的列车运行图优化模型。其次,通过分析模型的特点和常用算法的适用性,选取遗传算法作为求解模型的主算法,并引入序优化理论对初始种群、选择操作和终止规则进行改进。在算法具体的操作过程中,设计不可行解的调整策略以得到可行解；设计列车到发时刻推算策略以得到列车在各个车站的到发时刻,求得目标函数。最后,选取京沪高铁线路下行的50列列车进行案例分析。详细介绍基础数据的处理,并选取合适的算法参数。利用改进的遗传算法进行2990次迭代得到的最优目标值为8964.83(km*h),相比实际停站方案对应的运行图,节省约35.32%的资源,一级节点之间、一二级节点之间以及二级节点之间的平均站间服务可达性指标均不低于实际停站方案。通过和传统遗传算法对比,改进遗传算法的最优解比传统遗传算法的最优解优5.36%,在1200次迭代之后,每一代的较优解的质量比传统遗传算法较优解的质量优5%-8%。本研究通过案例分析验证了在运行图优化过程中,采用停站方案不固定的方式能在满足车站之间客流交流的基础上更好地优化运行图的质量；同时引入序优化理论改进的遗传算法效果更好,寻优能力更强。