遗传算法在公交调度中的应用研究

以乘客和公交公司总效益最大为调度目标，建立了公交运营参数优化模型，给出了用遗传算法求解该模型的步骤，用“青岛市公交示范线”501线路运营数据对提出的模型及算法进行了验证。     

遗传-牛顿算法在公交智能调度中的应用

针对公交公司需要解决的典型问题公交车辆的优化调度,提出了一种遗传算法与牛顿算法相结合的智能优化算法;并用该混合算法对调度模型进行优化;首先在兼顾公交公司与乘客双方利益的情况下,建立了以发车间隔时间为决策变量的公交车优化调度模型,再利用遗传算法对决策变量进行优化,然后用牛顿法对其优化的结果进行深一步的搜索,使其优化结果精度提高;仿真结果表明,该混合算法比标准的遗传算法更有效地提高公交车辆运营效率并降低其费用成本.     

粒子群优化算法在公交车智能调度中的应用

运营车辆的智能排班是公交车辆智能调度需要解决的问题之一,关系到公交企业的经济效益与社会效益。采用兼顾公交公司与乘客双方利益的公交车辆调度模型,将带收缩因子和线性递减惯性权重的粒子群优化算法(W-K-PSO)应用到公交智能排班中。实例仿真结果表明该算法具有比其它优化算法更好的效率,是解决公交车智能调度问题的一个有效方法。     

改进遗传算法在公交调度优化中的应用

在充分考虑公交公司运营成本和乘客候车等待成本的基础上,引入了乘客坐车舒适度这一指标建立了公交调度优化模型。针对基本遗传算法在实际应用中出现进化缓慢和提前收敛的问题,利用蚁群算法具有局部搜索能力强和收敛速度比较快等优点,引入了蚁群算法引导变异,建立了自适应的遗传算法,实现了模型求解的高效性和高精度。     

改进的遗传算法在公交车调度中的应用

应用单亲遗传算法解决公交车辆的调度问题。在兼顾公交公司与乘客双方利益的情况下,用单亲遗传算法对调度模型进行优化。仿真结果表明,该方法可有效提高公交车辆运营效率。     

基于遗传算法的公交智能排班系统应用研究

研究城市公交车调度优化问题,根据公交车辆排班和调度运行要求,兼顾到乘客和公交公司的利益,为优化服务目标,建立了基于遗传算法的公交智能排班调度模型.采用以发车时刻为变量的真实值编码方法,在构造适应度函数时,用惩罚函数法将多种约束条件加到目标函数上,简化了计算量.进行仿真实验,结果证明,利用改进的遗传算法求解,可以得到不均匀发车优化时刻表,并能为公交智能排班优化提供较大搜索空间,提高了实际运行效率.     

基于禁忌搜索的智能公交调度研究

为了兼顾乘客群体和公交公司的满意度,提出了基于禁忌搜索的智能公交调度策略。其策略是以乘客群体和公交公司满意度之和最大为目标函数,采用禁忌搜索方法查找某车次公交车辆各时段的最优发车间隔,以便适应客流变化,减少乘客等车时间,并降低公交运营成本增加公交公司经济收益,从而解决基于固定发车间隔的公交调度不足。     

公交智能调度中行车时刻表编排算法研究

公交智能调度系统中公交行车时刻表的生成算法直接影响到系统的整体性能。面向公交智能调度系统的应用需要,论文以满载率为核心参数,建立了一个综合乘客满意度和公交公司利益的目标规划模型,设计了面向公交行车时刻表编排算法。并根据某典型路段的实际数据,生成并优化了行车时刻表。     

改进布谷鸟算法的快速公交组合调度优化研究

为了进一步优化快速公交调度，研究了全程车，区间车、大站快车的组合调度模式。从公交公司和乘客双方利益的角度出发，考虑不同发车模式间的乘客换乘以及超车现象，建立以发车间隔与发车模式为决策变量的快速公交组合调度优化模型。设计并改进具有动态步长和发现概率的布谷鸟算法，以兰州市快速公交1号线路为例进行仿真，求得最优解和次优解的发车间隔与发车模式。结果表明，最优方案和次优方案相比优化前的总成本分别降低18.71%和15.7%;另外，在求解模型时，改进的布谷鸟算法相比遗传算法和基本的布谷鸟算法能快速收敛，验证了上述模型和算法的可行性与有效性。     

多模式公交组合调度优化模型

针对站点不同时刻的客流需求,系统地探讨了乘客出行时间和公交公司运营管理的有机联系,研究了全程车、区间车和大站快车3种发车模式组合及发车间隔。以系统总时间成本最优为目标,在相同决策间隔下选择不同决策模式,建立了发车频率不定的公交组合调度模型。同时,针对调度模型组合优化的NP难特点,利用差分进化优化算法对模型求解。结果表明,在决策间隔为4min的情况下,首站发车间隔有4min、8min、12min 3种可能;考虑到区间车和大站快车超车的情况,各站点乘客的等车时间为0.8min～12min不等。 与原先分时段的单一调度相比,多模式公交组合调度能减少公交车发车次数,有效降低系统时间成本。     

公交车辆优化调度问题及其单亲遗传算法

公交调度问题是一个典型的组合优化问题。本文结合我国城市公交常用调度模式,兼顾企业利益和乘客利益,建立了以企业收益满意度、乘客候车满意度为目标的公交线路发车频率优化模型,同时设计了一种求解该模型的单亲遗传算法。该算法在个体繁殖过程中引入随机变异步长并且增加中间子群体的迁移、重插入等操作。最后通过具体实例进行验证,仿真结果证实了算法的有效性。     

基于改进遗传—模拟退火算法的公交排班优化研究

结合公交车辆调度自身的特点,兼顾公交公司与乘客双方的利益,建立了公交排班优化模型,以发车时刻为基因变量进行编码,对两个相邻的发车间隔之差、最大最小发车时间间隔、乘客的满载率等条件进行约束限制,提出了基于改进的遗传—模拟退火算法;对该模型进行优化求解,克服了传统优化算法的缺陷,提高了优化设计过程的求解效率。通过仿真实验得到了利用改进的遗传—模拟退火算法进行求解的不均匀发车时刻表。结果表明,改进的遗传—模拟退火算法能够在公交智能排班优化问题的巨大搜索空间中可靠地找到近似最优解,大大提高了计算效率。     

智能交通动态调度优化模型与评价方法

为了降低大城市市民出行成本,缓解公交企业运力压力,提出一种智能交通出行OD(Origin Destination,出行地和目的地)的公交调度优化算法,以公交出行OD客流预测和计划排班发车时间间隔为出发点,运用公交出行OD客流推导理论,构建智能交通出行OD的公交调度优化模型。通过获取个人OD数据,利用单条线路公交OD方法,实现全市公交OD矩阵推算。根据全市公交出行OD推算结果,求解公交调度模型,解决智能交通调度多目标规划和公交线网优化问题。通过仿真模拟试验,分析智能公交排班计划评价指标,计算车辆营运效率占比:自动排班仿真数据为79%,实际运营数据为73%;统计车辆高峰时段与全天营运车次占比:自动排班仿真数据为36.75%,实际运营数据为37.37%,满足智能公交计划排班评价指标的要求,实例证明模型和算法具有实用性和可靠性。     

多线路准快速公交调度优化及混合遗传禁忌算法仿真

针对多线路准快速公交社会效益及企业运营效益最大化的多目标调度问题建立了优化模型。根据问题的特点设计了组合优化调度问题的混合遗传—禁忌算法,结合深圳市龙岗区公交调查数据对该模型进行了验证,计算结果及分析表明该算法比遗传算法及禁忌算法在求解此类问题时有更高的效率。     

Glowworm Swarm Optimization for Dispatching System of Public Transit Vehicles

The intelligent schedule of vehicles operation is one of the problems which need to be solved in the dispatching system of public transit vehicles, it relates to the development of the city and civic daily life. In this paper, a transit vehicle scheduling optimization algorithm which balancing between the benefits of bus companies and passengers is proposed. The glowworm swarm optimization (GSO) with random disturbance factor, namely R-GSO is applied to the schedule of vehicles. Finally, we provide some comparisons of R-GSO with artificial fish-swarm algorithm, particle swarm optimization and GSO, the simulation results show R-GSO algorithm has higher efficiency and is an effective way to optimize the public transit vehicle dispatching.     

基于云计算神经网络物流车辆调度算法研究

研究了物流车辆调度优化问题。针对云计算下任务调度算法没有考虑调度的服务质量和用户满意度的问题,特别是在物流任务调度问题中存在复杂的计算网络,造成计算率降低,为了解决上述问题,提出了一种新的有关云计算和神经网络相结合的物流作业调度算法。算法充分考虑了调度的服务质量以及用户满意度,建立一个参数化的处理模型,计算用户在各个资源上的综合满意度,再将任务分配到满足用户需求和使系统资源达到均衡的资源上执行,最后采用改进的神经网络进行优化车辆调度。实验结果表明,改进算法不仅能满足用户的多种需求,提高了用户的满意度,同时也提高了资源调度率和系统资源的利用率。     

面向多停泊基地的港口拖轮调度优化研究

拖轮调度是典型的多处理器任务调度问题,针对多停泊基地和不同作业模式下的拖轮调度,以最大完工时间和总作业油耗最小化为目标,建立了拖轮调度多目标优化模型。采用演化策略算法对多停泊基地拖轮调度优化问题进行计算,提出一种基于轮盘赌概率分配的编码和解码方法。计算结果表明了演化策略算法的有效性和可行性,优化后的最大完工时间最小值相比仿真运行结果取得较大的改善,不同作业模式下均减少了约16%;计算结果还表明不同作业模式对拖轮调度结果会产生较大影响。     

基于鲸鱼群优化算法的带Sigmoid满意度应急车辆调度问题

针对突发大规模灾害事件下受灾点严重程度不同的特点,引入Sigmoid时间满意函数评价救援效果,建立平均时间满意度最大与救援路径最短双目标调度模型.设计了基于混沌序列搜索算子的混沌鲸鱼群算法,通过构建三组不同规模的实验案例对模型进行求解,并将所得结果与模拟退火算法和基本鲸鱼群算法进行比较.实验表明,在处理较小规模车辆调度情况下,三种算法处理效果差距不明显,随着求解规模增大,混沌鲸鱼群算法对解决所提问题具有更好的效果,是一种优化应急车辆的有效方法.     

基于状态空间模型的智能优化算法及其应用

针对城市公共交通系统中公交优化调度问题的具体特征,提出一种基于状态空间模型的实数编码智能优化算法(SIA)。SIA引入遗传算法(GA)的基本理念。通过构造状态进化矩阵来指导算法的搜索方向,再通过选种池的优胜劣汰的选择机理来实现算法朝最优解逼近。将该算法与GA分别应用到公交优化调度问题中,考虑发车时间间隔的约束,建立以企业和乘客的利益最大化为目标的数学模型。实例仿真结果表明,SIA在寻优精度和计算量方面优于GA,验证了该算法的有效性。