城市轨道交通系统作为疏解城市公共交通压力的重要设施,具有方便、快捷、准时、安全及大容量的优点。作为城市轨道交通系统研究的重点内容之一,列车运行控制策略优化在提升旅客乘坐体验与城市轨道交通系统节能方面均意义重大,且随着相关技术的发展可以得到进一步提升。当前城市轨道交通列车运行控制策略优化涉及的研究点众多,其中以列车速度曲线优化、列车运行图优化以及列车运行跟踪控制器设计为关注重点。但当前诸多研究并没有将研究点之间的优势集合起来,且没有充分利用相关优化技术。因此,本文旨在提供一种系统性的列车运行控制策略优化方法。本文从多目标的角度出发对列车运行控制策略进行优化,提出了一系列针对列车运行中不同层面的优化方法并进行仿真系统集成应用。在综述国内外相关研究的基础上,深入分析列车运行动力学机理,并确立了列车运行控制策略涉及的多维度优化目标及评价指标;提出了一种列车运行混合方案来拓宽寻优范围,并通过改进的多目标优化算法求解列车站间速度曲线集;将优化后的速度曲线集融入列车运行图优化模型,可以实现单车运行图的邻车能耗协同优化;为了保证列车对速度曲线的跟踪效果,结合智能技术设计了自适应列车运行跟踪控制器。本文的主要内容及取得的成果如下:（1）建立列车动力学模型以及不同层面的多维度运行优化目标。列车动力学模型考虑了参数的时变特点,并对模型假设、参数以及列车受力分析进行说明。同时,根据研究对象特征,细分列车运行策略在站间速度曲线优化、列车运行图优化以及列车运行跟踪控制的目标与评价指标,并给出相关计算表达式,确定研究优化方向。（2）提出了一种基于列车运行混合方案的站间速度曲线帕雷托优化方法,以实现多维度的优化。该混合方案融合多种列车运行模式且扩大了参数范围,使得最优解搜索域更广,并可通过搭建的列车性能仿真（train performance simulation,TPS）计算模型获取其对应的多目标函数值及速度曲线。研究设计的混合方案多目标粒子群优化（hybrid scheme multi-objective particle swarm optimization,HS-MOPSO）算法用于求解站间速度曲线帕雷托集,其效率在同样条件下较原有算法显著优化。算例分析验证了该优化方法的有效性以及合理性。（3）提出了一种结合站间速度曲线解集对单列车运行图进行邻车能耗协同优化的方法。在邻车协同的再生制动分析与建模的基础上,建立单列车的运行图优化模型。同时,将列车运行图与站间速度曲线进行基于时间序列化的匹配,用于单车运行图的线路运行净能耗值计算,实现了两者优化效果的叠加。研究采用粒子群优化（particle swarm optimization,PSO）算法对运行图优化模型进行求解,并输出各站间推荐速度曲线。算例分析显示,该运行图优化方法有效降低了长下坡线路段的列车运行净能耗。（4）设计了基于比例-积分-微分（proportional-integral-derivative,PID）结构的无模型自适应列车运行跟踪控制器。本文采用无模型自适应控制的方式处理轨道交通列车这一复杂非线性系统,提出的相关控制器对当前应用广泛的PID结构继承良好,并且避免了与被控对象的冲突。重点设计了一种神经网络比例积分微分（neural network proportional-integral-derivative,NNPID）控制器,该控制器可以应对PID增益范围与执行器限制问题,其Simulink仿真表现相较于其他几种控制器综合性能更优。（5）搭建了列车运行优化仿真系统并进行案例应用。该系统综合了以上研究成果并进行整体性的界面、功能以及架构规划。该系统包括速度曲线解集生成子系统、线路运行图优化子系统以及列车运行跟踪控制子系统,其整体线路应用验证了本文提出的多目标优化的列车运行控制策略。