城市轨道交通作为现代城市交通的中坚力量,在促进城市经济可持续发展、缓解交通矛盾、节能环保、解决稳岗就业问题等方面具有重要作用。随着物联网、大数据、人工智能等各种新技术的快速发展及大规模应用,全自动运行系统（Fully Automatic Operation,FAO）成为了新一代城市轨道交通的发展方向。与传统城市轨道交通的人工驾驶模式相较,FAO系统实现了全自动化、无人干预运营模式,具有更高的列车运行控制精度。全自动列车在运行过程中,会受到线路环境、列车速度、车辆排班等多重影响,其追踪运行控制策略的优劣会直接影响列车运行的安全性、节能性、准时性、停车精准性及乘客的舒适性等多个性能指标。因此,研究高效的全自动列车追踪运行控制策略对行车安全和高效具有重要的现实意义。论文主要研究内容为:（1）依据城市轨道交通全自动列车运行特点,结合国内外列车追踪运行优化研究现状,将整列车简化为单质点模型进行受力分析。概括全自动列车运行工况及行车策略,分析需要优化的性能指标,分别建立四个优化指标相应的数学模型。（2）研究了多目标优化算法及改进策略。结合多目标优化理论,分析基于参考点的非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm Ⅲ,NSGA-Ⅲ）的不足并提出改进策略,引出基于精英策略的NSGA-Ⅲ（Elite-Opposition-based Learn NSGA-Ⅲ,EOL-NSGA-Ⅲ）算法。采用一系列不同的多目标测试函数对比验证算法改进前后的性能效果,证明了EOL-NSGA-Ⅲ算法具有更优的收敛性、多样性和求解性能。（3）综合考虑多个性能指标要求和列车限速、运行时间及工况转换等约束条件,建立列车多目标运行优化模型。应用实际的全自动线路和车辆信息,分别基于NSGA-Ⅲ算法和EOL-NSGA-Ⅲ算法求解模型并得到了相应的优化结果,仿真验证了EOL-NSGA-Ⅲ算法的优化效果更优越。（4）针对两列车的区间追踪运行过程,划分为不同的追踪场景并提出相应的优化策略。结合多个性能指标模型和追踪约束条件,建立列车追踪运行优化模型。应用实际的全自动线路和列车追踪运行数据,采用EOL-NSGA-Ⅲ算法仿真分析在不同案例下的列车追踪运行优化过程。仿真结果证实,依据所提出的追踪运行优化策略,利用EOL-NSGA-Ⅲ算法优化后的列车运行速度曲线,实现了列车安全、节能、准时和平稳运行。