近年来,我国在大力倡导建设节约型社会,实施的关键就是要减少或者尽可能少地对资源的浪费。随着我国高速铁路的发展,高速列车成为不可或缺的交通工具,但是其运营里程长、运量大,总体上对能源的消耗不容忽视。减少列车运行的能耗问题是非常热门的研究课题,并且受到国内外很多学者的关注。因此,对列车运行优化问题的研究具有重要的意义。本文的研究从单列车速度曲线的优化扩展到多列车追踪运行时后行列车速度曲线的优化。在获得目标速度曲线后,为保证列车跟随目标速度曲线运行而设计了能够自动整定参数的ATO(Automatic Train Operation,列车自动驾驶)系统速度控制器。本文主要工作如下:(1)对列车的牵引特性进行分析,建立了单质点列车模型;在此基础上,对列车的工况转换原则进行了深入的分析;最后建立了列车在区间运行的计算模型。(2)基于实数交叉的多目标粒子群算法对单列车节能运行速度的优化。首先给出了单列车节能优化的处理策略;然后针对不同的运行工况建立了相应的列车能耗和运行时间的多目标优化模型,并对约束条件进行了处理;接着针对多目标粒子群算法存在陷入局部最优的问题进行分析,借鉴遗传算法中杂交的概念,提出了基于实数交叉的多目标粒子群算法,以离线优化的方式求解列车离开车站前的节能速度曲线。改进后的算法能够保证种群的多样性,提升了算法的全局收敛能力；最后使用实际的线路数据对算法的可行性和有效性进行了验证。(3)基于动态惯性权重和动态敏感因子的多目标粒子群算法对多列车追踪运行时后行列车的速度的优化。首先分析了列车追踪运行特性以及多列车追踪时的优化处理策略;其次建立了两列车追踪间隔距离的计算模型;然后将多列车追踪运行的优化问题看作动态优化问题建立了相应的能耗和运行时间的多目标优化模型;接着针对非动态算法不能很好地求解动态优化问题的局限性,而提出引入动态惯性权重和动态敏感因子的多目标粒子群算法,使后行列车受到影响时能够及时优化自身的运行速度;最后使用实际数据验证了算法的可行性和有效性。(4)基于粒子群算法的速度控制器的设计。首先对单质点列车非线性模型进行线性化处理;然后在线性模型的基础上,针对PID控制器参数调节繁琐的问题,提出了基于粒子群算法的PID控制器设计方案,将控制器的设计过程看作求解带约束的最优化问题,并将能够自动整定参数控制器应用于ATO系统,使列车能够跟随智能算法优化出来的目标速度运行;最后使用优化得到的目标速度曲线验证控制器的控制性能。