中国高速铁路在交通运输体系中的地位日益重要。随着科技的进步,列车的运行速度、开行的密集程度的不断提高,高速铁路系统对复杂运营环境的敏感性愈加强烈,对多样化运营场景的适应性需求也愈加迫切,传统的单一静态场景分析方式和“最优化”研究框架很难满足车站技术作业效率提升的需求,到发线分配优化问题作为车站技术作业的核心工作内容,是当前车站技术作业自动化研究的主要方向之一。本文从高速铁路运营实际出发,针对确定条件和不确定条件下到发线分配优化问题,以车站到发线和咽喉区进路为研究对象,结合数学规划理论和进化算法,围绕面向作业效率和抗干扰能力的到发线分配计划编制和调整方法展开研究。论文的主要研究内容和创新工作如下:首先,针对不同时段到发线分配计划优化目标差异化的特点,提出了一种基于分时段多目标的到发线分配计划编制模型,以适应多样化的运营场景。通过对模型多目标特性的分析,设计了一种基于个体生存值的改进快速非支配排序遗传算法II（Non-dominated Sorting Genetic Algorithm II,NSGA-II）。该算法通过在编码过程中增加附属染色体表示到发线和列车进路之间的关联关系,在种群初始化时构造启发式算法增加可行解的数量,设计个体生存值的计算方法在进化的后期取代拥挤距离的计算,以增强解的收敛性和多样性。同时,采用了田口方法调整算法的参数,提高算法对问题的适用性。利用真实车站的行车数据进行仿真,结果表明基于分时段多目标的到发线分配计划编制方法在保证到发线均衡性的前提下,有效的提升了方案的鲁棒性。其次,通过对到发线作业过程中随机扰动因素的分析,利用核密度估计（Kernel density estimation）和K-S（Kolmogorov-Smirnov）拟合优度检验方法,得到列车到达晚点时间的分布。在此基础上,采用机会约束规划方法,建立允许在一定置信水平条件下违反约束的到发线分配计划编制模型,并结合随机模拟技术,设计了基于随机模拟的改进遗传算法,以更好的适应对随机扰动较为敏感的高速铁路线路。该算法采用随机修复机制和顺序修复机制处理不可行解,以保证解的可行性,设计基于排序的选择算子和适应问题的交叉和变异算子提升解的最优性和收敛性,并通过引入随机模拟技术验证包含随机变量的约束条件是否成立。实验证明该方法提升了随机扰动场景下到发线分配方案的抗干扰能力。最后,在到发线分配计划编制问题研究的基础上,针对到发线分配调整问题,提出了基于模型预测控制（Model Predictive Control,MPC）的到发线分配调整策略,该策略利用自适应的滚动时域（Rolling Horizon）机制,不断对到发线分配方案进行调整。同时,设计了基于整数规划的到发线分配调整模型,和基于机会约束规划的到发线分配调整模型,以分别描述列车到达晚点时间确定和随机的情况。针对上述模型,设计了实时性较强的启发式遗传算法,通过采用邻域内交叉变异算子,保证启发式遗传算法的收敛速度,通过设计启发式算法和利用静态罚函数法构造适应度函数处理约束条件,保证解的可行性,并减少了因修复解的可行性导致的计算时间消耗,提高了算法实时性。实验表明,基于机会约束规划模型预测控制的到发线分配调整方法具有更好的稳定性和优化效果。