列车在运行过程中所消耗的能源在整个铁路系统能源消耗中占据着较大的比例,目前研究结果大都是基于以能耗最小为目标,安全性与时间为约束的单目标优化研究,每次运行过程中只能得到其中的一个解。本文认为列车的运行操控是一个需要同时满足安全、节能、正点、精确停车以及舒适度的要求多目标优化问题,并不存在一个绝对意义上的最优解,而是存在多个较优解。本文首先对列车进行了运动力学分析。其次在结合列车实际操控经验的基础上,建立了以能耗、准时和舒适度为目标,线路区间限速为约束的多目标列车操纵优化模型。当列车在区间限速变化次数较多的线路按照既定的策略运行时,可能会出现出现在进入下一限速区间时速度超过限速的情况。因此,对列车运行在多种区间限速变化情况下的工况转换进行分析,并制定了相应的工况转换策略,并使用MATLAB对列车优化操纵模型进行模块化编程。以北京地铁亦庄线的一段线路数据为例,通过将优化模型中的三个目标加权,把多目标优化问题转化为单目标问题,并成功地应用单目标遗传算法进行求解。然后应用多目标优化的Pareto遗传算法对列车操纵优化模型进行求解。最后使用两条不同的限速与坡度的线路对两种算法进行了验证、分析和比较。结果表明两种算法在运行时间、能耗、舒适度上以及算法稳定性上都有着很好的表现,并能适应多种线路条件。其中加权目标的遗传算法收敛速度更快,而多目标Pareto遗传算法对参数设置的依赖低,可以更灵活的根据决策者的期望选择需要的最优解。