随着社会经济和城市快速发展,大量乡村人口涌入城市寻找工作机会,城市居民的出行需求急剧增加,为了缓解日益严重的城市交通压力,城市管理者将建设城市轨道交通作为缓解交通压力的首要选择。与传统城市公共交通工具相比,城市轨道交通有运输量高、速度快、时间短、受众范围广、绿色环保等优势。行车调度是城市轨道交通运营企业的核心工作,在降低运营成本、提升运营效率和服务水平等方面起着至关重要的作用。文章的轨道交通调度优化工作主要是对列车的调度方案进行优化,根据实际客流情况动态地调整列车调度方案。然而使用传统的数学方法很难对多目标非线性NP问题进行优化求解,主要限制因素有求解空间范围大,变量维数高,约束条件复杂等。随着智能计算的发展,利用智能优化算法可有效对公共交通调度优化问题进行求解。文章在分析细菌觅食算法的基础上,将该改进后的细菌觅食算法与列车调度数学模型结合,求解出优化后的列车调度方案。文章主要工作如下:(1)深入研究细菌觅食算法。论述了细菌觅食优化算法的仿生学基础、结构原理、算法流程和主要操作,分析了参数对算法性能的影响。文章提出基于Log-Linear模型的Gauss-Cauchy自适应细菌觅食算法。首先,在基本算法中引入Log-Linear模型来优化细菌的趋向和迁移操作;其次,在算法中引入自适应调整细菌步长的策略,提高了细菌的搜索范围和寻优精度;最后,利用Gauss-Cauchy变异来提高细菌种群的多样性。(2)分析了城市轨道交通网络中各条线路上客流的时空分布特征,研究了影响行车调度的多方面因素,在考虑影响运营企业与乘客双方利益的基础上,确立优化目标和约束条件,构建调度优化数学模型。(3)详细地介绍了改进算法与调度数学模型互相结合的过程,包括对细菌个体的初始化、算法参数的设定、制定编码方案等进行深入分析。然后将基于细菌觅食优化算法的城市轨道交通调度优化策略应用于某城市轨道交通实例数据进行仿真实验。最终通过理论和实验分析表明,文章给出的算法可行、高效,具有一定的理论和应用价值。