目錄
1 概述
2 運作結果
3 參考文獻
4 Matlab代碼
1 概述
本文對目前公交企業排程系統進行了分析，建立了公交排班的數學模型。本文基于資料挖掘分析的結果上，使用截面客流量資料對模型進行限制，得出了公交客流出行的空間分布規律。再以發工廠中的房間隔為決策變量，以發車最大間隔、最小發工廠中的房間隔和車輛滿載率為限制條件，建立公交線路排班的數學模型，以公交公司發車成本最小和乘客等車時間成本最小為目标，建立雙目标函數的數學模型。
本文設計了一種基于改進的遺傳算法公交排班排程優化的解決方法,在對排班結果進行優化的過程中，本文分别在選擇、交叉、變異三個階段對算法進行改進和優化。選擇的改進上是設計一個動态适應度函數，采用無放回式優良個體多複制的選擇的方法。交叉的改進上是設計了新的交叉算子，交叉算子考慮了初期群體和後期群體品質會相差較大，是以使應交義函數。變異上的改進是引入了禁忌搜尋算法。在預測客流量基礎上，基于改進的遺傳算法，模型求解确定出最優的排班時刻表和最小配車數。詳細文章見第3部分。
2 運作結果
本文對目前公交企業排程系統進行了分析，建立了公交排班的數學模型。本文基于資料挖掘分析的結果上，使用截面客流量資料對模型進行限制，得出了公交客流出行的空間分布規律。再以發工廠中的房間隔為決策變量，以發車最大間隔、最小發工廠中的房間隔和車輛滿載率為限制條件，建立公交線路排班的數學模型，以公交公司發車成本最小和乘客等車時間成本最小為目标，建立雙目标函數的數學模型。
本文設計了一種基于改進的遺傳算法公交排班排程優化的解決方法,在對排班結果進行優化的過程中，本文分别在選擇、交叉、變異三個階段對算法進行改進和優化。選擇的改進上是設計一個動态适應度函數，采用無放回式優良個體多複制的選擇的方法。交叉的改進上是設計了新的交叉算子，交叉算子考慮了初期群體和後期群體品質會相差較大，是以使應交義函數。變異上的改進是引入了禁忌搜尋算法。在預測客流量基礎上，基于改進的遺傳算法，模型求解确定出最優的排班時刻表和最小配車數。
3 參考文獻
[1] 包子陽,餘繼周,楊杉.智能優化算法及其MATLAB執行個體（第2版）[M].電子工業出版社，2016.
[2]張岩,吳水根.MATLAB優化算法源代碼[M].清華大學出版社，2017.