近年来,随着城市化进程加快,地铁已成为现代大都市最受欢迎的交通方式之一。地铁因其高载客量、高准点率、高效率、低能耗、低污染等优势,被认为是缓解特大城市交通拥挤问题的一种非常有效解决方案。高效、精准的优化方法对缓解高峰时段的客流拥挤有着至关重要的作用。利用制定的优化控制策略,准确、及时的对地铁站的乘客进行疏导和控制,让乘客能够更加快速的登上到达的列车,从而提高乘客出行效率。最优化理论的迅速发展,为解决地铁客流拥挤的优化问题提供了良好的技术支持。探索高效的地铁运营优化方法,对缓解高峰时段的客流拥挤、提高地铁系统的运营服务水平具有重要意义。本文针对高峰时段的客流需求过饱和问题,在分析乘客出行起止点（OriginDestination,OD）需求的基础上,提出了一种地铁网络限流控制与运行图的协同优化方法。在保障运营安全的基础上,提高系统运营效率,减少乘客出行延误。本论文的主要工作和成果在以下几个方面:（1）构建了限流控制与运行图的协同优化模型。在乘客出行OD需求的基础上,考虑客流与车流之间的耦合关系。以弗洛伊德（Floyd）最短路径法处理自动售检票系统（Automatic Fare Collection,AFC）刷卡实际客流数据,来分析乘客出行路径。通过地铁客流分配的方法,将客流与车流进行了耦合优化,建立了限流控制与运行图的协同优化混合整数非线性规划（Mixed-integer Nonlinear Programming,MINLP）模型。该协同优化模型旨在最小化旅客的平均等待时间,减少乘客出行延误,进而减少乘客的平均出行时间。（2）设计了求解限流控制与运行图协同优化模型的改进差分进化算法和精英保留遗传算法。在对基本差分进化（Differential Evolution,DE）算法控制参数、差分策略以及选择策略研究的基础上,设计了协同优化模型的改进DE算法,并设计了协同优化下精英保留遗传算法（Genetic Algorithm,GA）进行对比,分别来求解模型。与经典的GA算法相比,DE算法具有构造简洁、易于操作、收敛迅速、鲁棒性强等优点,可以准确、快速的搜索到地铁系统限流控制与运行图协同优化的最优策略。（3）对北京地铁系统的部分线路进行实证分析。本文考虑了路网各换乘站之间的复杂关系,通过Python编程语言,对所建立的协同优化模型进行了实证分析,找到了地铁限流控制与运行图协同优化的高质量解。对比了协同优化下改进DE算法与精英保留GA算法的求解效果,并在改进DE算法的求解下,将地铁系统四种运营条件下的优化效果进行对比。实验结果表明:用改进DE算法求解协同优化模型可以得到更好的结果;与无优化相比,协同优化下乘客的平均等待时间减少了26%;且与仅限流、仅优化运行图的地铁运营条件相比,限流控制与运行图的协同优化方法得到的结果是最好的。图38幅,表11个,参考文献70篇。