遗传算法在公交调度中的应用

《遗传算法在公交调度中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第43卷第11A期计算机科学Vo1.43No.11A2016年11月ComputerScienceNov2016遗传算法在公交调度中的应用丁勇萎枫武玉艳(南京理工大学泰州科技学院泰州225300)摘要针对泰州市公交智能化建设方面存在的技术问题，提出将遗传算法(GeneticAlgorithms,GA)应用到公交调度优化中。以公交公司和乘客费用最少、社会效益最大为目标函数建立公交调度优化的数学模型，并应用遗传算法实现对模型的求解，通过对模型设置不同的参数，利用Matlab模拟实验验证模型的合理性、科学性。实验证明，优化的调度模型可降低公

2、交公司的运营成本，提高乘客的满意度，确保社会效益和经济效益得到最大满足。关键词遗传算法，公交调度，Matlab中固法分类号TP311文献标识码AApplicationofGeneticAlgorithminPublicTransitDispatchersDINGYongJIANGFeng"几JYu-yan(TaizhouCollegeofScienceandTechnology,NanjingUniversityofScience&.Technology,Taizhou225300,China)AbstractFortechnical

3、problemsinTaizhoupublictransportintelligentbuilding,geneticalgorithm(GA)isappliedinthebusschedulingoptimization.Inthispaper,themathematicalmodelofbusschedulingoptimizationwasbuiltfortheobjectivefunctionbasedonthebuscompanyandpassengerleastcost,maximumsocialbenefit.Genet

4、icalgorithmisappliedtosolv巳themodel.Bysettingdifferentparametersofth巳model，therationalityandthescientificnatureofthemodelareverifiedbythematlabsimulationexperiment.Experimentalresultsshowthattheoptimizedschedulingmodelcanreducetheoperatingcostsofthepublictransportationc

5、ompanies,improvethesatisfactionofpassengers,andensurethemaximumsatisfactionofthesocialandeconomicbenefits.Ke归lordsGeneticalgorithm,Publictransitdispatchers,Matlab时刻作为变量，以公交乘客的候车时间最小、公交企业运营收引言益最大为目标函数，同时考虑发车间隔和车辆平均满载率等随着社会经济的不断发展，城市居民的出行需求量呈现约束条件，建立公交车辆线路调度优化模型，并采用基于遗传持续

6、、快速的增长趋势，发展智能交通系统crTS)已经成为缓算法的多目标优化方法进行求解。崔明月[4J针对基本遗传算解交通拥挤的必要措施。本文在ITS的背景下，研究公交调法存在早熟收敛及易陷入局部最优解等问题，提出采用量子度优化的问题。公交调度是一类特殊的组合优化问题，针对遗传算法来解决组合优化问题。在这些研究的基础上，本文这类问题的求解，遗传算法具有很大的优势。遗传算法是一对泰州市公交调度系统中现有的线路覆盖率和客流量、满载种借鉴生物界自然选择和群体基因遗传机理的随机的、自适率和站点客运量等指标进行详细分析，提出将遗传算法应用应优化的搜索

7、算法，具有良好的可操作性、并行性、全局优化到公交调度优化中。性和稳健性;同时，其在求解空间内不是盲目地穷举或试探，2遣传算法而是一种启发性的智能随机搜索算法，具有一定的方向性，搜索时耗和效率往往优于其它算法。近年来，针对遗传算法在遗传算法是一类借鉴生物界自然选择和自然遗传机制的公交调度中的研究主要包括以下方面。随机搜索算法。它模拟自然选择和自然遗传过程中发生的繁崔世彬[1J提出利用遗传算法解决优化公交调度中的发车殖、交叉和基因突变现象，在每次迭代过程中都保留一部分候间隔问题，建立了优化调度的数学模型，给出了遗传算法求解选解，并从候选解

8、群中选取较优的个体，利用遗传算于(选择、模型的详细过程，构造了符合行车规律的编码方式、适应度函交叉和变异)对这些个体进行组合，产生新一代的候选解群，数以及每个遗传算子的实现过程。吴萍[2J论述了遗传算法应重复此过程，直到