《表9 不同算法得到的优化方案对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于遗传算法的定制公交多停车场多车线路优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为验证本文提出的基于遗传算法的3段式混合编码方式的算法的求解完整性及有效性，在相同的算例数据情况下，将基于K-means和遗传算法的定制公交线路优化方法的求解结果与本文的求解结果做比较，结果见表9，由表9可知：采用本文的算法相对于混合算法在总运营里程上能减少2km，同时能节省1辆定制公交车，运送相同数量的乘客，节省一辆定制公交车意味着车辆上座率将提高，采用本文算法求解出的线路优化方案的平均线路上座率高达91.875%，较混合算法提升18.375%，说明本文的求解算法更加适用于多停车场、多上下车站点、多车的线路优化问题，能充分利用定制公交资源，降低定制公交公司的运营成本。K-means和遗传算法的混合算法其实质是2阶段求解，其求解思路是：首先对上车站点进行聚类，得到每个停车场所负责的上车站点，然后再运用遗传算法进行求解，此方法存在一定的局限性，首先是K-means聚类时所采用的距离往往是2个坐标点之间的距离，很明显，2个坐标之间的距离是直线距离，可实际2个站点之间的车辆行驶距离不一定是直线距离，从而与实际情况形成很大偏差；其次是采用先K-means聚类再求解的方法在一定程度上会丢失一部分解，甚至可能丢失真正的最优解，而本文提出的基于遗传算法的3段式混合编码方式的算法属于1阶段法，始终将多停车场、多个上下车站点、多车的定制公交线路优化问题作为1个整体进行寻优，3段式混合编码方式的设计十分巧妙，能较好的完成定制公交多停车场、多个上下车站点、多车线路优化任务。