1.一种基于免疫算法的地铁列车运行参数优化方法，其特征在于，包括以下步骤：步骤1：将地铁线路上运行的列车相邻的两辆列车划为一个单元，包括先行列车与追踪列车，将列车的站间运行过程划分为牵引加速阶段、匀速阶段、惰行阶段和再生制动阶段四个阶段，根据实际线路条件以及列车运行过程中的牵引力与阻力情况，建立总能耗方程及其约束条件；

步骤2：根据浓度免疫算法调整单元中两辆列车的运行参数，以使得总能耗最小，具体步骤如下：(1)将总能耗方程及其约束条件作为浓度免疫算法的抗原，并设置抗体规模P、最大迭代次数N、交叉概率PC和变异概率Pm；

(2)随机产生初始抗体群A；

(3)计算抗体群A中各个抗体的亲和度，(4)保留抗体群A中亲和度较大的抗体，构成抗体群B，(5)引入基于浓度的抗体繁殖策略，计算抗体群B中各个抗体的浓度Nk与期望繁殖率Ek，其中 α为常数，选择期望繁殖率高的抗体进行复制操作，产生抗体群C；

(6)对抗体群C的个体进行交叉和变异操作，产生抗体群D；

(7)计算抗体群D中各个抗体的亲和度，选取n个亲和度高的抗体代替C中亲和度低的抗体，形成抗体群E；

(8)判断是否满足终止条件，若满足终止条件，输出当前抗体，即为能耗函数的最优解，否则重复步骤(3)～(7)；所述终止条件为达到最大迭代次数或抗体群E中抗体的最大亲和度趋于恒定。

2.如权利要求1所述的方法，其特征在于，所述总能耗方程及其约束条件建立方法如下：①列车牵引加速阶段能耗Qq：

fa＝2.43+0.0275v+0.0078v2

式中，

为列车i在j至(j+1)站间的牵引加速度，为列车i在j至(j+1)站间的牵引加速时间，Mi列车i的质量，

为列车加速运行牵引力，

fa为列车基本阻力，

v为列车速度，

fb为列车附加阻力，

g为重力加速度，

θ为坡道坡度，

R为弯道半径，

②列车匀速运行阶段能耗Qy：

式中，

vi，j为列车i在j至(j+1)站间的匀速运行速度，为列车i在j至(j+1)站间的匀速运行牵引力，为列车i在j至(j+1)站间匀速运行时间；

③惰行阶段列车凭惯性前行，仅受阻力影响，仅有车载辅助设备用电，列车能耗忽略不计，设列车i在j至(j+1)站间惰行时间为④列车再生制动阶段回收的能量Qz：

式中，

vz为加速与制动重叠时的制动初速度，az为加速与制动重叠时的制动加速度，根据计划时刻表并结合列车站间运行的操纵工况，求出同一供电区段内的相邻两列车再生制动与启动加速的重叠总时间Tc，相邻两列车牵引加速与再生制动同步发生的情况为：先行列车制动-追踪列车牵引，追踪列车制动-先行列车牵引，重叠时间分别为Tc1与Tc2，则两列车在整条线路中加速与再生制动重叠总时间Tc：m为车站总数，

ρ(j，j+1)为j与(j+1)站是否位于同一供电区间的判定系数，

⑤总能耗Q方程：

约束条件：

式中，

Tp为停站时间，

Tp min为最小停站时间，Tp max为最大停站时间，T为列车i在j到(j+1)站间的运行时间，β为时间裕度，

Tf为发车间隔时间，

Tz min为最小追踪间隔。

3.如权利要求1所述的方法，其特征在于，根据亲和度函数Fk＝-Q+c计算抗体的亲和度，式中，Q为总能耗方程，c为常数。

4.如权利要 求1所述的 方法 ，其 特征在于 ，所述抗体 群中任一抗 体