1、隨著我國城市化和機動化進程迅猛發(fā)展，道路擁堵等問題日益嚴重，城市交通面臨嚴峻挑戰(zhàn)，優(yōu)先發(fā)展公共交通勢在必行，如何建設和管理現代化的公共交通系統(tǒng)已成為我國經濟社會發(fā)展中亟待解決的重大理論和現實問題。在公共交通規(guī)劃與運營中，乘務調度與輪班問題是關鍵問題，決定了乘務員的工作方案，有效方案可以提高公共交通運營效率，降低運營成本，保障乘務員真正享受國家勞動法賦予的權益。它包含兩個順序執(zhí)行的子問題：乘務調度問題和乘務輪班問題，其中前者是后者的基礎，

2、它們是 NP難問題，其復雜性主要在于大規(guī)模、多目標、特別是有一系列復雜多樣的勞動法規(guī)約束。因此，研制高效的求解算法具有十分重要的現實意義和理論意義。目前，智能優(yōu)化方法是主要求解方法類別之一，但是問題的高度復雜性使得對該類算法的研究仍有很大發(fā)展空間，其中，深刻理解問題的領域知識并將其融入算法設計中是算法設計的關鍵和難點，需要深入研究。此外，乘務調度問題中的班次評價是一個復雜多屬性決策問題，是很多乘務調度方法的基礎，然而現有的多屬性決策班次

3、評價方法研究很少。
　　針對以上問題，本文首先從不同角度研制了四種乘務調度方法，其中，研制了兩種多屬性決策班次評價方法，隨后研制了兩種多目標乘務輪班方法，具體如下：
　　提出了一種自適應演化乘務調度方法，它定義了一個新的染色體表示方法，具有直觀、短小，允許表達非可行乘務方案的特點，其初始長度是專門設計為最優(yōu)班次總數的下界，有助于保證和分析解的質量，設計了帶增補和刪除策略的交叉和變異操作，使得染色體長度能夠在算法迭代過程中自適

4、應地增大或減小，實驗表明算法的計算速度快、求解質量高。
　　提出了灰關聯(lián)分析（Grey Relational Analysis，GRA）班次評價方法。為了確定GRA班次評價方法中的最優(yōu)參數，進一步提出了一種基于GRA的演化乘務調度算法（Evolutionary crew scheduling algorithm based on GRA，EGRA），最優(yōu)調度方案會隨著這些參數相應得到。EGRA是一種專門設計的嵌入快速局部搜索的混合

5、遺傳算法，其中的局部搜索是精致設計的，用以提升算法的集中性，實驗測試說明了EGRA的優(yōu)越性。
　　提出了基于 GRA的變迭代貪婪乘務調度方法（Variable Iterated Greedy crew scheduling approach based on GRA，GRAVIG），GRAVIG裁剪了變迭代貪婪算法（Variable Iterated Greedy，VIG）求解乘務調度問題，其中嵌入了GRA班次評價方法作為調度過程

6、中班次評價的求解器，較大地提升了VIG的搜索能力，此外，還精心設計了一種基于偏向概率的破壞階段，它能夠使得“好的”班次可以保留在方案中，同時又不丟失隨機性。實驗測試結果表明該方法是有效的。
　　提出了逼近理想解排序（TOPSIS）班次評價方法。同時設計了變鄰域搜索乘務調度方法（Variable Neighbourhood Search crew scheduling approach，VNS），VNS裁剪了變鄰域搜索算法求解乘務調

7、度問題，其中，設計了兩種帶概率的復合鄰域結構，極大地增大了搜索空間的多樣性。在VNS中嵌入了TOPSIS方法以作為調度過程中班次評價的求解器，較大地提升了VNS的搜索能力，在VNS中還嵌入了模擬退火算法（Simulated Annealing，SA）以進行有效的局部探索，最后實驗測試結果表明方法的有效性。
　　提出了兩種多目標乘務輪班方法，即模擬退火乘務輪班方法（Multi-Objective SA crew rostering

8、approach，MOSA）和變鄰域搜索乘務輪班方法（multi-objective Variable Neighbourhood Search crew rostering approach，VNS），它們使用了兩種評價接受函數來更好地處理用戶偏好。在MOSA中，首先設計了一個啟發(fā)式來構建初始解，接著設計了一個基于SA的可行性修復算法來使該解可行，最后，設計了一個基于SA的非支配解生成算法來獲得非支配解。其中，設計了增量評價策略，鄰域