新一轮科技革命推动城市轨道交通进一步发展,提出了运力与需求更加精准匹配的新要求。城市轨道交通列车时刻表为乘客提供出行参考信息,为运营商提供工作安排依据,是城市轨道交通运营过程中关键的一环。考虑实际中不确定因素对客流的影响,调整时刻表使运力与需求合理匹配,避免由于不确定因素影响造成最优时刻表失效,能够为运营商提供有效的列车运行决策支持。本文以不确定客流和城市轨道交通单条线路循环为背景,从运营商角度,考虑客流特性、列车开行列次、列车数量、列车容量以及列车运行安全等因素,在建立确定条件下列车时刻表优化模型的基础上,以广义成本最小为目标建立了不确定条件下可变开行列次的全天列车时刻表优化模型,其中广义成本由等待时间折算成本和列车运行折算成本组成。为了提高优化模型的求解效率,针对所提出的模型设计了遗传和声算法,并得到满意的近似最优解。本文主要研究内容如下:（1）从匹配运力和需求角度出发,构建确定条件下的列车时刻表优化模型。分析乘客到达和列车发车时刻之间的关系,给出容量限制条件下包括多次等待的乘客等待时间计算方法。在这基础上,根据需求确定开行列次,在保障列车运行安全和基础设施服务水平的条件下,优化列车在各车站的到发车时刻。最后设计遗传和声算法求解算例,遗传和声算法与传统遗传算法求解过程的对比表明遗传和声算法的收敛速度更快、寻优性能更好。（2）考虑到乘客在车站的实际到达情况可能会受到各种不确定因素影响,本文设定不同情景,同时引入0-1变量控制列车的服务,构建不确定条件下可变开行列次的列车时刻表优化模型。以包括不同情景下等待时间的期望值折算成本和列车开行列次折算成本的广义成本最小化为目标,优化开行列次和列车在各车站的到发时刻。最后,设计遗传和声算法,以北京市亦庄线为案例验证了模型的正确性和算法的求解优势,结果表明本文的模型和求解算法在城市轨道交通运营领域有很好的应用前景。