公交車(chē)輛調(diào)度問(wèn)題是具有復(fù)雜約束條件的組合優(yōu)化問(wèn)題，需要將車(chē)輛、客流、服務(wù)、運(yùn)營(yíng)等因素考慮到公交調(diào)度方案中，以此建立多目標(biāo)車(chē)輛調(diào)度模型。運(yùn)用粒子群優(yōu)化算法（PSO）進(jìn)行比較分析并求解車(chē)輛調(diào)度問(wèn)題，制定最優(yōu)公交車(chē)輛調(diào)度方案。

1、粒子群算法

粒子群算法（PSO，Particle Swarm Optimization）是由Kennedy和Eberhart等開(kāi)發(fā)的一種新的進(jìn)化算法(Evolutionary Algorithm - EA)。PSO算法屬于進(jìn)化算法的一種，從隨機(jī)解出發(fā)，通過(guò)迭代尋找最優(yōu)解，也是通過(guò)適應(yīng)度來(lái)求解最優(yōu)方案，但它比遺傳算法規(guī)則更為簡(jiǎn)單，它沒(méi)有遺傳算法的“交叉”(Crossover) 和“變異”(Mutation) 操作，它通過(guò)追隨當(dāng)前搜索到的最優(yōu)值來(lái)尋找全局最優(yōu)。這種算法具有實(shí)現(xiàn)容易、精度高、收斂快等優(yōu)點(diǎn)，并且在解決實(shí)際問(wèn)題中展示了其優(yōu)越性。

2、粒子群算法流程

粒子群算法主要解決優(yōu)化問(wèn)題，通過(guò)生成一群隨機(jī)的粒子，并通過(guò)多次迭代來(lái)找到最優(yōu)解。每個(gè)尋優(yōu)問(wèn)題的解被稱(chēng)為粒子，每個(gè)粒子在搜索空間中單獨(dú)地搜尋最優(yōu)解最佳適應(yīng)值，并將個(gè)體最佳適應(yīng)值與整個(gè)粒子群里的其他粒子共享，找到當(dāng)前全局最優(yōu)解。粒子群算法流程主要分為初始化粒子群、計(jì)算適應(yīng)值、求個(gè)體最佳適應(yīng)值、尋找全局最優(yōu)解和更新粒子的速度和位置。

3、公交車(chē)輛調(diào)度的粒子群算法

在建立車(chē)輛調(diào)度模型時(shí)，首先要將實(shí)際問(wèn)題進(jìn)行數(shù)學(xué)化，選取某條線(xiàn)路公交車(chē)總里程L，并設(shè)定公交車(chē)輛的車(chē)型、發(fā)車(chē)間隔、運(yùn)行時(shí)間等條件，將公交車(chē)輛的運(yùn)營(yíng)時(shí)間分為K個(gè)時(shí)段，第K個(gè)時(shí)段的發(fā)車(chē)間隔為△t_k。設(shè)定模型約束條件時(shí)優(yōu)先考慮乘客服務(wù)水平，將乘客的等待時(shí)間最短為出發(fā)點(diǎn)，同時(shí)也考慮運(yùn)營(yíng)成本最低化，根據(jù)兩個(gè)目標(biāo)函數(shù)的權(quán)值問(wèn)題，結(jié)合各站點(diǎn)客流量及運(yùn)營(yíng)條件求解此條路線(xiàn)的車(chē)輛運(yùn)行時(shí)刻表。

根據(jù)粒子群算法合理解決公交排班系統(tǒng)問(wèn)題，需要將人、車(chē)、路等因素考慮進(jìn)去，運(yùn)用科學(xué)算法解決公交調(diào)度問(wèn)題。公交車(chē)排班是調(diào)度系統(tǒng)的核心內(nèi)容，合理的發(fā)車(chē)時(shí)刻表可以提高車(chē)輛利用率，降低運(yùn)營(yíng)成本，減少乘客候車(chē)時(shí)間。

4、結(jié)語(yǔ)

通過(guò)粒子群算法并結(jié)合其他智能優(yōu)化算法，能夠在合理的時(shí)間里根據(jù)設(shè)定條件得到最優(yōu)解，尤其在車(chē)輛調(diào)度問(wèn)題上，隨著數(shù)據(jù)量的增加，通過(guò)一系列智能優(yōu)化算法得出最滿(mǎn)意的車(chē)輛調(diào)度方法，合理確定發(fā)車(chē)時(shí)間和車(chē)次，優(yōu)化發(fā)車(chē)密度，最大化滿(mǎn)足乘客出行需求。

參考文獻(xiàn)：

[1]雷秀娟 史忠科 付阿利 改進(jìn)的粒子群優(yōu)化算法求解車(chē)輛調(diào)度問(wèn)題.

[2]豐偉 李雪芹 基于粒子群算法的多目標(biāo)車(chē)輛調(diào)度模型求解