列车运行调整工作是铁路运输调度中的重要组成部分。专家学者们针对列车运行调整问题做了大量的研究，也取得了很多研究成果。随着我国国民经济的快速发展和市场经济体制的逐步建立和完善，铁路运输工作出现了一些新的变化，对列车运行调整工作也提出了新的要求。现有的研究大多基于集中式调度方法，难以很好地适应调整问题规模不断增大、关系更加复杂、对动态性能的要求日益增强的情况。如何提高调度指挥工作的智能化水平、减轻劳动者的劳动强度依然是铁路信息化过程中的一个研究热点。论文将MAS方法引入列车运行调整问题研究中，提出了基于MAS的列车运行智能调整方法。 论文采用分布式决策，为传统的集中式决策方法难以解决的网状列车运行调整问题提供了一种新的解决思路。列车运行调整问题被抽象为稀缺资源的多用户占用问题，原本由调度员集中决策的调度功能被分散给车站/区间和列车，形成局部决策模块，对局部的列车运行方案做出安排，所有局部方案的组合即为全局方案。局部决策模块自行在一定范围内进行决策，即单元自律机制；超出局部决策范围的计划制定由相关的局部模块通过协商制定，即协商机制；仲裁者对协商过程的干预，即仲裁机制。 论文采用BDI模型对列车运行调整问题进行了Agent实例化，并针对Agent心智形式化描述方面的欠缺，应用Z语言形式化描述了Agent模型。列车运行调整问题中，车站/区间被实例化为资源Agent，车站的股道和区间的正线是资源；行车和调车等作业被实例化为任务，由任务管理Agent负责管理。论文定义了Agent模型中的Belief、Desire、Intention、Action和Rule，并在传统的列车等级基础上，提出了车站/区间Agent的基于效益最大化的列车运行调整目标，分析了影响列车运行线动态效益的因素，采用模糊分类法将影响因素的影响程度分类，形成确定动态效益的规则集，通过基于规则集的推理产生运行线效益的动态值。任务管理Agent推动列车运行和调车等任务的完成，向车站/区间Agent申请股道和正线资源，后者在产生式规则的作用下进行推理，根据自身利益决定是否接受申请和如何接受申请，将资源预约给任务管理Agent。行车和调车作业完成后股道和正线资源被释放。 资源Agent将股道和正线等资源预约给任务管理Agent后，双方间就该任务形成了一种合同关系，合同中约定了车站/区间Agent在标的时间提供资源，任务管理Agent所管理的列车在标的时间使用该资源。现实中资源的预约和资源的实际占用不同时发生，由于扰动、Agent自身对效益的追求和仲裁的作用，会出现合同中的约定不能继续执行的情况，此时Agent或主动或被动终止合同，表现为取消列车预约的股道或正线资源。另外，列车运行的实际情况要求完成一项任务时同相关车站/区间Agent所签合同间就资源使用的标的时间必须满足一定的逻辑约束，使得合同的终止不仅仅是个体行为。论文提出了带毁约的合同网模型，对基本合同网进行扩展，增加了对时间的考虑，设计了毁约流程，并研究了在列车运行调整问题中时空相关的情况下如何防止数据不一致的产生。同时针对实际问题的特点提出了综合事件驱动和数据驱动特点的混合协作驱动模式。此外，为提高协作效率，还探讨了基于Holon的动态组织机制。 在基于MAS的列车运行智能调整方法基础上，设计实现了仿真系统，采用真实数据对该方法进行了验证。同时，应用模糊分类原则和机器学习，具体分析了晚点时间对运行线动态效益的影响，研究了Agent通过改善确定运行线动态效益的规则集来优化调整方案的功能。仿真实验表明，论文提出的方法是可行的，并且适用于列车运行调整问题的研究。