刘小玲，孙 波，薛 亮，2

（1.辽宁省交通高等专科学校 轨道交通工程系，辽宁 沈阳110122；2.大连理工大学 交通运输学院，辽宁 大连116024）

运输调度工作是地铁运营企业日常运输组织的中枢，它是地铁能够正常开展行车组织工作任务的决定因素。当运营过程中列车运行偏离了计划运行图时，就必须进行列车运行调整。地铁系统是一个庞大而复杂的系统，要解决该系统的列车运行调整问题，使之尽快恢复运行图行车，有很多影响因素值得分析。目前，最优化方法和智能计算方法是解决这类问题的主要方法。采用最优化方法时必须先对列车运行调整问题复杂的模型进行简化，多项式计算量极其庞大，同时，导致最后结果与现实出现一定偏差。智能计算方法中最主要的是遗传算法（GA）和粒子群优化（PSO）算法。遗传算法在智能优化方法中应用极为广泛，它以生物进化为原型，具有很好的收敛性，在计算精度要求时，计算时间少、鲁棒性高，但在解决大规模计算量问题时，它很容易陷入“早熟”。粒子群优化由于其算法简单、无需梯度信息、参数少、易于实现等特点，在解决多目标优化、约束优化、动态优化问题上表现出良好的性能特征。然而，基本粒子群优化算法在解决列车运行调整问题时，因为该问题具有多个约束条件和庞大的搜索空间，因此基本PSO算法也因在其求解时易陷入死循环而很难得到最优解。基于专业化分工策略的粒子群优化算法（Division of Specialization PSO，DSPSO）是在PSO算法的基础上，将基于专业化分工的策略引入PSO算法中，使算法的性能得到提高，能较好地适应复杂的实际环境。……