近年来,随着人们生活水平的日益提高、城市建设的飞快发展以及私家车辆的增多,人们对交通出行的便捷性和高效性有了更高的要求,但是私家车辆的日益增多也意味着交通拥堵的情况日益严重,于是交通网络中的交通流量分配便成为人们越来越关注的话题。动态交通分配问题作为智能交通系统的核心应运而生,在解决交通网络的使用效率方面提供了很大的研究发展空间。本文首先介绍了动态交通分配研究的现实意义以及国内外研究现状,然后对动态交通经典模型进行研究并改进,最后通过算法仿真验证了改进算法的有效性。粒子群算法是一种人工生命计算方法,自提出以来就以参数设置少、收敛性能高等优点吸引着大量研究者。粒子群算法的应用涉及多个领域,本文在理论上提出了基于种群分类的粒子群算法和基于交叉策略的粒子群算法,通过将改进后的粒子群优化算法应用到了动态交通分配问题中的经典算例中,验证了改进后的算法在收敛性能和收敛精度上优于标准粒子群算法。文章最初介绍了粒子群算法的思想发展史、标准粒子群算法的优缺点,并提出了自己在粒子群算法改进上的思想;其次,介绍了动态交通分配理论当前的研究现状;最后,将提出的改进粒子群算法应用于动态交通分配问题中,验证所提出算法的有效性。具体创新点如下:(1)概述了粒子群算法的产生和发展,着重叙述了标准粒子群算法的基本思想以及应用研究现状,总结归纳了标准粒子群算法存在的问题;(2)介绍了动态交通分配问题的理论发展史,着重介绍了利用最优控制理论建模方法设计的动态交通模型;(3)在分析标准粒子群算法的基础上,提出了基于种群分类的粒子群算法和基于交叉策略的粒子群算法这两种改进的粒子群算法。针对动态交通分配问题,分别使用改进了的算法进行求解,根据理论最优值以及所设的阈值作为判断收敛的依据,通过仿真实验验证算法的有效性。