[发明专利]基于启发式算法的公交系统月计划排班算法

说明书

本发明涉及公交系统月计划排班领域，尤其为基于启发式算法的公交系统月计划排班算法，该算法包括以下几个步骤：(1)参数设置；(2)向量编码；(3)产生初始随机解向量集群；(4)解向量评价；(5)解向量保留策略；(6)解向量之间的更新；(7)解向量自身的更新；(8)终止判断。本发明，通过结合机器学习和启发式算法将从大量月计划学习得到的特征数据整合到启发式的算法中，基于启发式算法的公交系统月计划排班算法可以保证高效与合理性的基础上得到大量优质的公交系统月计划排班；增强公交系统的月计划排班的科学性与合理性，最终达到对公交系统资源的充分利用和解决排班难问题的目的。

技术领域

本发明涉及公交系统月计划排班技术领域，具体为基于启发式算法的公交系统月计划排班算法。

背景技术

公交系统调度排班是保证公交系统正常运行的基本保证，公交排班是一类典型的运输排班组合优化问题，其求解具有一定的复杂性，对其研究一直是一个前沿研究课题。传统的公交排班研究方法主要采用数学解析、模拟仿真以及数学规划等方法，但是随着问题求解难度与问题求解规模的增加，传统方法遇到了极大地挑战，已不能保证目标解的精确性。

发明内容

本发明的目的在于提供基于启发式算法的公交系统月计划排班算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

基于启发式算法的公交系统月计划排班算法，该算法包括以下几个步骤：

(1)参数设置：将对大量月计划的进行机器学习后获得特征转为智能算法的进行月计划优化的参数；

(2)向量编码：一个解向量的长度为|I|*|J|，即包含元素的个数为|I|*|J|；每一个元素代表具体的任务，任务序号用实数表示；

(3)产生初始随机解向量集群：根据上述解向量编码方案易知总的可行解向量的数目为(|J|)^|I|；算法的初始解向量集群从中随机产生一组；

(4)解向量评价：根据问题的目标函数来定义；

(5)解向量保留策略：采取精英保留策略，寻找最优解；

(6)解向量之间的更新：通过一定概率交换解向量的部分元素操作产生成新的解向量；

(7)解向量自身的更新：通过一定概率替换向量自身的部分元素，该操作的目的是为了避免原问题陷入局部最优解，不能获得原问题的全局最优解；

(8)终止判断：如果迭代次数K达到了最大迭代次数则停止运算，同时取相应的适应度值最高的解向量所对应的解作为原问题的最优解；否则，令k＝K+1，并转向步骤(4)。

进一步的，步骤(1)中，参数包括排班过程中班型的时长，连续驾驶时间，换班机会，轮班过程中循环周期、周期班次均匀值，每周班次对应值，休息频率，适用人数及排定班次数的设置。

进一步的，步骤(2)中，每一个向量包含|I|个部分，每一个部分对应每一个层次；同时，每一个部分包含|J|元素，对应于数组[1,2,…,|J|]的一个全排列，代表前后两个层次的一种可行连接。

进一步的，将步骤(4)产生的解向量集群与步骤(3)解向量集群进行合并，根据解向量评价结果进行排序，取优质解向量的前80％，差解向量后20％，共同组成新的解向量集群。

进一步的，步骤(6)的更新是具体操作是通过一定概率将两个解向量的某一相同位置的元素片段截断，然后分别交叉元素片段，组合成两个新的解向量。