本文第一部分从遗传算法算法的基本概念、基本特点与原理、主要步骤以及应用关键等方面系统的介绍了遗传算法。通过算例分析基本遗传算法的实现步骤及优缺点，对遗传算法提出改进措施，并将其运用于考试系统，建立了基于遗传算法的组卷优化模型。

本文第二部分分析现阶段多目标优化的基本模型以及将遗传算法应用于多目标优化的可行性，建立具有乘客满意度和公交公司满意的公交调度优化模型，以此作为多目标优化问题。在此基础上，建立基于遗传算法的公交调度模型，在编码方案和遗传操作等方面提出创新点，并设计公交调度优化模型流程图。最后，通过改进的选择、交叉、变异操作确定最优发车数量和各时段最优发车间隔时间，实现了公交调度优化方案。

......

交调度问题考虑目标主要有乘客满意度和公交公司满意度，乘客满意度是与等待时间有关，等待时间越少，满意度越高。公交公司的满意度是单位车辆的满载率，上座率越高，公交公司的满意度就越高。显然，公交公司增大发车间隔，单位车辆的上座率就会提高，但同时也增加了乘客的等待时间，降低了乘客的满意度。所以如何确定发车间隔时间使得公交公司和乘客的满意达到最大，是公交调度需要解决的主要问题。从乘客满意度和公交公司满意度出发，分别建立乘客满意度目标模型和公交公司满意度目标模型，把公交调度问题化为一个多目标优化问题，并进行优化设计，建立优化模型。

模型的假设

(1) 车辆是匀速行驶的且不考虑路段的堵车情况，即任意两班公交车的间隔时间在每个公交站点是一样的。

(2)各班公交车会严格按照时刻表运作，不会因为某些外界因素使得公交车辆不能按照预期时间到达每个公交站点。

(3) 每辆公交车经过每个站点不会遗留乘客，且不计乘客的上车和下车时间。

乘客满意度模型

一般情况下，公交车运营过程段会出现早高峰和晚高峰。根据实际经验，产生高峰期的主要原因是大流量的乘客上班和下班回家，此时乘客满意度与等待时间的关系与非高峰期乘客满意度和等待时间的关系是不同。所以根据时间段的不同，建立高峰期乘客满意度和等待时间的关系和非高峰期乘客满意度与等待时间的关系。

.......