城市轨道交通由于具有运输人次多、线路长、间隔时间短、时速快、准时性高等特点已经成为城市中的主流交通运输工具,且其线路数量及运营里程仍在不断增加,因此作为国民经济中能耗最大的行业之一,列车的节能运行显得尤为重要。其中,列车在运行过程中由于牵引做功所消耗的能量占据总能耗一半的比率,因此,通过优化推荐速度曲线以降低牵引能耗的研究具有重要的现实意义。结合现有对推荐速度曲线进行优化的遗传算法、粒子群算法均容易陷入局部收敛的现状,本文提出应用寻优精度高、收敛速度快且全局寻优能力强的人工蜂群算法对列车推荐速度曲线进行优化,主要工作如下:(1)分析运行中列车的受力情况,建立动力学模型,并根据动力学方程应用极大值原理,建立哈密尔顿函数,引入拉格朗日算子分析得到列车的最优操纵策略。以能耗和站间运行时间误差为优化目标,建立多目标优化模型,将推荐速度曲线的优化问题转化为在速度-距离二维空间中寻找能耗最低、运行时间误差最小的路径规划问题。(2)通过算法对比的方式验证人工蜂群(ABC)算法的寻优精度、稳定性、收敛速度等性能,将粒子群算法和差分进化算法作为对比,应用MATLAB分别用三种算法对单峰单极值函数Sphere Model、多峰多极值函数Griewank以及病态函数Generalized Rosenbrock进行从低维到高维的仿真,每项仿真运行30次,将最大值、最小值、平均值生成表格进行分析,共计1110次的仿真对比结果验证了ABC算法在寻优精度和稳定性上的绝对优势。通过三种算法适应度进化曲线的对比,验证了 ABC算法收敛速度相对更快的特点。证明了应用人工蜂群算法优化推荐速度曲线的可行性。(3)对于推荐速度曲线节能优化问题提出两种方法,一是将运行时间误差作为约束条件,以此应用单目标优化的方式进行求解,二是对人工蜂群算法进行改进,根据Pareto支配原则改变算法中适应度值的计算方式,将得到的Pareto最优解存储于外部档案中,并根据拥挤距离对外部档案进行维护,同时改进邻域搜索公式使得外部档案中的解对于搜索具有指引作用。分别对两种方法建立模型,进行优化。(4)应用亦庄线的实际数据,以MATLAB为工具,对优化模型进行仿真验证,分别用单目标方法和多目标方法进行优化仿真,验证了多目标优化方法的优越性;从等分区间和非等分区间的仿真对比中,验证了等分区间的有效性;从控制策略设置不同参数得到的仿真结果中,验证了ATO控制策略对节能优化的影响。