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.     

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。     

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。     

智能交通系统中的公交运营优化调度研究

城市公交系统是一个巨系统,其相关的模型和方法都非常复杂,为此,本文引入了高性能计算来提高智能算法的优化质量和收敛速度。有机结合遗传算法GA(Genetic Algorithm)和禁忌搜索法TS(Tabu Search)两者优点,构成混合遗传算法HGA(Hybrid Genetic Algorithm)。针对公交车辆调度现状及所处的运营环境,运用HGA的智能化特征,进行了公交车辆智能调度研究。研究表明,基于GA-TS的混合遗传算法优化公交车辆运营调度,能够有效地改善原有公交车辆运营调度的不足,提高动态运营决策效率和服务质量。     

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。     

遗传算法在公交调度中的应用

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(Genetic Algorithms,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。     

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。     

基于遗传算法公交线路网优化模型仿真研究

研究了城市公交线路网优化问题.由于公交车的容量、耗时、站点配置等问题,传统的遗传算法在公交线路网优化中的运行效率不高等.为提高公共交通车辆调度效率,提出了改进的遗传算法公交线路网优化模型,保证公交公司不亏损和乘客乘车成本两者前提下,构造了遗传算法适应度函数以及约束条件,并建立有效的初始化算法种群,从而建立新的公交线路网优化模型,在求解模型过程中,采用了改进的遗传算法求解优化模型,即在传统遗传算法中加入了优先级编码方式以及多染色体结构.仿真结果表明改进算法的可行性,并与传统的遗传算法相比,算法种群的整体性能要优于传统的遗传算法,对提高遗传算法的运行效率有较高的作用.