【优化调度】基于改进遗传算法的公交车调度排班优化的研究与实现（Matlab代码实现）
目录
1 概述
2 运行结果
3 参考文献
4 Matlab代码
1 概述
本文对当前公交企业调度系统进行了分析，建立了公交排班的数学模型。本文基于数据挖掘分析的结果上，使用截面客流量数据对模型进行约束，得出了公交客流出行的空间分布规律。再以发车间隔为决策变量，以发车最大间隔、最小发车间隔和车辆满载率为约束条件，建立公交线路排班的数学模型，以公交公司发车成本最小和乘客等车时间成本最小为目标，建立双目标函数的数学模型。
本文设计了一种基于改进的遗传算法公交排班调度优化的解决方法,在对排班结果进行优化的过程中，本文分别在选择、交叉、变异三个阶段对算法进行改进和优化。选择的改进上是设计一个动态适应度函数，采用无放回式优良个体多复制的选择的方法。交叉的改进上是设计了新的交叉算子，交叉算子考虑了初期群体和后期群体质量会相差较大，所以使应交义函数。变异上的改进是引入了禁忌搜索算法。在预测客流量基础上，基于改进的遗传算法，模型求解确定出最优的排班时刻表和最小配车数。详细文章见第3部分。
2 运行结果
本文对当前公交企业调度系统进行了分析，建立了公交排班的数学模型。本文基于数据挖掘分析的结果上，使用截面客流量数据对模型进行约束，得出了公交客流出行的空间分布规律。再以发车间隔为决策变量，以发车最大间隔、最小发车间隔和车辆满载率为约束条件，建立公交线路排班的数学模型，以公交公司发车成本最小和乘客等车时间成本最小为目标，建立双目标函数的数学模型。
本文设计了一种基于改进的遗传算法公交排班调度优化的解决方法,在对排班结果进行优化的过程中，本文分别在选择、交叉、变异三个阶段对算法进行改进和优化。选择的改进上是设计一个动态适应度函数，采用无放回式优良个体多复制的选择的方法。交叉的改进上是设计了新的交叉算子，交叉算子考虑了初期群体和后期群体质量会相差较大，所以使应交义函数。变异上的改进是引入了禁忌搜索算法。在预测客流量基础上，基于改进的遗传算法，模型求解确定出最优的排班时刻表和最小配车数。
3 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.
👨🎓博主课外兴趣：中西方哲学，送予读者：
👨💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“真理”上的尘埃吧。
或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎