✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab仿真内容点击👇
智能优化算法 神经网络预测 雷达通信 无线传感器
信号处理 图像处理 路径规划 元胞自动机 无人机 电力系统
⛄ 内容介绍
针对公交线路,研究制定出合理的公交车调度机制,对乘客和公交公司双方的利益都有非常重要的现实意义和价值.本文以广西南宁市一公交线路为例,根据其日均客流情况,建立以公交公司运营成本最低和乘客利益损失最小为目标的公交调度数学模型,并通过遗传算法对其进行求解,得到最优化公交发车的时间和运行间隔.研究表明,采用优化后的公交调度机制,能有效降低公交运行成本和提高乘客满意度.
⛄ 部分代码
clear;clc;close all
%% 载入模型参数
LoadData();
%% 参数设置
PopSize = 50;
MaxGen = 100;
plt = 1; % 运行过程是否实时画迭代优化图，默认关闭(可极大提高运行速度)
%% 初始化
Population = Init(PopSize);
ConvergenceObj = zeros(2,PopSize);
ConvergenceCon = zeros(2,PopSize);
% return
%% 开始优化求解
h = figure();
for gen = 1:MaxGen
MatingPool = randperm(PopSize,PopSize); %父代挑选
Offspring = GA(Population(MatingPool)); %进行交叉变异操作
Population = EnviornmentalSelection(Population,Offspring,gen/MaxGen); %挑选子代
RecordInfo(); % 记录迭代优化信息
end
BestSol = BestInd(end);
disp(['发车时间间隔：' num2str(BestSol.decs)])
disp(['时段发车数量：' num2str(floor(60./BestSol.decs))])
disp(['乘客总时间成本:' num2str(BestSol.Q) ', 公交公司运行费用:' num2str(BestSol.G)])
disp(['总体载客率：' num2str(100*BestSol.zaikelv) '%'])
figure
yyaxis right
plot(BestSol.decs,'-s','linewidth',2)
ylabel('发车时间间隔/分钟')
hold on
yyaxis left
plot(bus.C,'-d','linewidth',2)
ylabel('客流量')
xlabel('时段')
⛄ 运行结果
