公交車輛調(diào)度問題是具有復(fù)雜約束條件的組合優(yōu)化問題，需要將車輛、客流、服務(wù)、運(yùn)營等因素考慮到公交調(diào)度方案中，以此建立多目標(biāo)車輛調(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輛調(diào)度問題，制定最優(yōu)公交車輛調(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)，通過迭代尋找最優(yōu)解，也是通過適應(yīng)度來求解最優(yōu)方案，但它比遺傳算法規(guī)則更為簡單，它沒有遺傳算法的“交叉”(Crossover) 和“變異”(Mutation) 操作，它通過追隨當(dāng)前搜索到的最優(yōu)值來尋找全局最優(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)化問題，通過生成一群隨機(jī)的粒子，并通過多次迭代來找到最優(yōu)解。每個(gè)尋優(yōu)問題的解被稱為粒子，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、公交車輛調(diào)度的粒子群算法

在建立車輛調(diào)度模型時(shí)，首先要將實(shí)際問題進(jìn)行數(shù)學(xué)化，選取某條線路公交車總里程L，并設(shè)定公交車輛的車型、發(fā)車間隔、運(yùn)行時(shí)間等條件，將公交車輛的運(yùn)營時(shí)間分為K個(gè)時(shí)段，第K個(gè)時(shí)段的發(fā)車間隔為△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)營成本最低化，根據(jù)兩個(gè)目標(biāo)函數(shù)的權(quán)值問題，結(jié)合各站點(diǎn)客流量及運(yùn)營條件求解此條路線的車輛運(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)問題，需要將人、車、路等因素考慮進(jìn)去，運(yùn)用科學(xué)算法解決公交調(diào)度問題。公交車排班是調(diào)度系統(tǒng)的核心內(nèi)容，合理的發(fā)車時(shí)刻表可以提高車輛利用率，降低運(yùn)營成本，減少乘客候車時(shí)間。

4、結(jié)語

通過粒子群算法并結(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，尤其在車輛調(diào)度問題上，隨著數(shù)據(jù)量的增加，通過一系列智能優(yōu)化算法得出最滿意的車輛調(diào)度方法，合理確定發(fā)車時(shí)間和車次，優(yōu)化發(fā)車密度，最大化滿足乘客出行需求。

參考文獻(xiàn)：

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

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