【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）-CFANZ编程社区

【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）

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

3 Matlab代码

本文仅展现部分代码，全部代码及文章点击链接：

基于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）

function Offspring = GA(Population)
global bus
N = length(Population);
Offspring = Population;
for i=1:floor(N/2)
    P1 = Population(2*i-1).decs;
    P2 = Population(2*i).decs;
    
    [C1,C2] = Crossover(P1,P2);
    C1 = Mutation(C1);
    C2 = Mutation(C2);
    
    C1 = max(bus.minInterval,C1); C1=min(bus.maxInterval,C1);
    C2 = max(bus.minInterval,C2); C2=min(bus.maxInterval,C2);
    Offspring(2*i-1).decs = C1;
    Offspring(2*i).decs = C2;
end

Offspring = CalObj(Offspring);