随着城市经济的不断发展,人口的积聚和道路交通问题日益严重,导致环境污染、交通拥堵等问题日益凸显,严重制约着城市的发展。为了缓解城市交通拥堵,减少环境污染,在绿色出行口号的号召下以及政府的大力推动下,公共自行车作为一种绿色的交通工具,深受广大市民的欢迎,它可以解决公交出行“最后一公里”的问题,分担公交出行率,缓解城市突出的交通拥堵问题。然而,在公共自行车的运营过程中,“租车难”、“还车难”的问题却严重影响市民的使用。近年来,人们越来越重视绿色出行,因此,调度问题的解决迫在眉睫。国内外许多学者纷纷着手研究如何解决这个难题,但是他们主要的工作是对静态调度问题的研究,实际应用上不高。因为在调度过程中,人们借还自行车的行为是动态变化的,没有规律性。所以,研究动态调度具有很大的影响力。本文在分析公共自行车调度问题的基础上,强调调度需求,引入区域调度模型进行公共自行车动静态调度。首先,本文研究了公共自行车静态调度问题,进行了公共自行车调度区域的划分,然后构建区域调度静态模型,提出了用禁忌遗传混合算法求解静态调度问题。为了解决调度区域过大导致调度成本增加的问题,本文在k-means聚类的基础上,根据用户借还自行车的历史数据和租赁站点的地理位置信息,划分出租赁站点关联较强的调度区域,以此来减少静态调度过程中的成本问题。最后,用实验验证了禁忌遗传算法求出的解要优与遗传算法。其次,本文在公共自行车静态调度的基础上,研究了公共自行车动态调度算法,提出了变邻域蚁群方法求解该动态调度问题。为了降低公共自行车动态调度的复杂性,本文提出了分时间段的动态调度算法,将一次调度周期T分成n个时间片段,在每个时间片段的末尾时刻进行一次路径选择,在每个时间片内考虑用户借还自行车行为对租赁站点需求量的影响,采用这种方式解决公共自行车动态调度问题。最后,用对比实验论证了,变邻域蚁群算法的收敛速度上以及算法的效率上都优于其他算法。