در این رساله موضوع زمانبندی خدمه راه آهن بر پایه زمانبندی حرکت قطارهای مسافربری در شبکه راه آهن با تاکید بر زمان بندی روسای قطارها مدلسازی شده و روشهای حل آن بررسی شده اند.نخست مساله زمانبندی خدمه براساس قواعد به صورت یک ساختار شبکه ای متشکل از دو مجموعه گره ها و سویه ها تعریف شده است. قرارگاه ها و ایستگاه ها یا نقاط ترخیص، مجموعه گره ها را تشکیل می دهند و مجموعه سویه ها بیانگر انجام وظیفه یا انتقال خدمه بین قرارگاه ها و ایستگاه ها است. شبکه تعریف شده با رویکردی جدید بصورت یک مساله برنامه ریزی صفر و یک خلوط صورتبندی ریاضی شده است که جواب بهینه مسائل در مقیاس کوچک تا متوسط با روش انشعاب و تحدید بدست می آیند. سپس با تعریف یک دسته قواعد منطقی و تعیین محدوده هایی برای ساختن ماموریتهای متشکل از زنجیره سویه های وظیفه و انتقال در شبکه، یک الگوریتم ابتکاری ویژه مساله مورد بررسی تحت عنوان انشعاب - هزینه و جریمه طراحی شده است. در این روش ابتکاری هر ماموریت بصورت مستقل از یک قرارگاه شروع و به همان قرارگاه ختم می شود و در مسیر خود تحت شروطی از سویه های وظیفه و انتقال استفاده می کند. در ادامه، یک الگوریتم ابتکاری تکاملی گروهی طراحی و ارائه شده است. در این الگوریتم هر جواب شامل گروهی از ماموریتها، به عنوان یک کرموزوم و هر ماموریت شامل گروهی از سویه های وظیفه و انتقال به عنوان یک ژن تعریف شده است. سپس دو روش انشعاب و تحدید و روش ابتکاری انشعاب ت هزینه و جریمه برای جستجو با الگوریتم تکاملی ترکیب شده اند.برای بررسی اعتبار روشهای مطرح شده و مقایسه آنها، مسائلی براساس زمانبندی حرکت قطارهای مسافربری ایران در اندازه های مختلف تعریف شده و با هریک از روشها حل شده اند. حل بهینه برای مسائل تا مقیاس محدودی با حل مدل ریاضی قابل حصول است ولی روشهای ابتکاری طراحی شده بخوبی مسائل مقیاس بزرگ را نیز حل کرده اند. بررسی نتایج نشان می دهد که الگوریتم تکاملی در ترکیب با روش انشعاب و تحدید کاراتر از سایر روشها می تواند پاسخهایی مناسب ارائه کند. در پایان جواب حل مساله با داده های واقعی، با وضع موجود زمانبندی روسای قطارها در شرکت رجا مقایسه شده و نشان داده شده است که اولا الگوریتم انشعاب - هزینه و جریمه می تواند صرفه جویی خوبی را ایجاد کند. ثانیا در صورتی الگوریتم تکاملی گوره برای بهبود جواب استفاده شود، صرفه جویی ایجاد شده قابل توجه خواهد و کیفیت جوابها در هر دو الگوریتم بهتر از وضعیت موجود است.