Matlab遗传算法公交车路线优化

Matlab遗传算法公交车路线优化

Matlab遗传算法公交车路线优化1 模型介绍

2模型分析2.1整体设计

2.2要点分析

3结果展示

1 模型介绍

以乘客出行总时间最小为目标函数，求出其最小值即为最终接驳优化方案。

模型约束条件

在算法过程中可能会产生不符合实际的公交线路，故要做出约束，排除不符合实际和要求的线路。本文以线路长度和线路非直线系数为优化模型的约束条件[14]。

1)线路长度

线路长度过短会导致车辆运行效率低且运行速度低，并增加乘客换乘次数。而线路长度过长，会增加车辆发车频率导致需增加车辆需求数量。

假设该算例已知条件如下：

1)假设2、3……11公交站点组成的公交线路为A(3，5，6，1，8，9)，B(2,4,10,7,1,11)两条。

2)轨道车站接驳区域内站间距已知，如表4.1。且站间距不大于1km，本文只对站间距小于1km的站点做出记录，其他站点用*表示。

3)轨道站点1与其接驳公交站点之间的客运量如表4.2。

4)两条接驳线路编码按0-1编码，A(1,0,1,0,1,1,0,1,1,0,0)，B(1,1,0,1,0,0,1,0,0,1,1)。

2模型分析

2.1整体设计

2.2要点分析

1.根据本模型的个体特性，01编码虽然能表示公交路线的内容，但是无法体现顺序。采用01编码虽然在交叉变异操作上比较便利，但是不利于后续获取个体的目标函数值。故采取数字编码。

2.交叉变异操作，由于模型的要求，各节点的唯一性，以及接驳要求，交叉操作以地铁站点为中心，每次交叉产生2个新的个体；变异操作对除地铁站点外的公交站点进行相互交换，每次变异产生1个新的个体。

3.个体淘汰

通过 接驳距离，路线长度等进行淘汰，通过TestChrom函数实现。

3结果展示

GenMax=100

Matlab遗传算法公交车路线优化相关教程