遗传算法作为一种借鉴生物界自然选择和自然遗传机制的高度并行、自组织、自适应的搜索算法,由于其隐含并行性和收敛的全局性两大显著特点,使其尤其适用于处理传统搜索方法难于解决的复杂问题。模拟退火算法是模拟加热熔化金属的退火过程,在某一初始温度下,伴随温度参数的不断下降,结合概率的突跳特性在解空间中随机寻找目标函数的全局最优解.即在局部最优解时能概率性地跳出并最终趋于全局最优。遗传模拟退火算法就是将遗传算法和模拟退火算法相结合而构成的一种优化算法。遗传算法的局部搜索能力较差,但把握搜索过程总体的能力较强:而模拟退火算法具有较强的局部搜索能力,并能使搜索过程避免陷入局部最优解,但模拟退火算法的运算效率不高。但将二者结合,互相取长补短,能够很好的弥补各自的不足。随着社会经济的高速增长,在城市人口高速增长的同时,城市居民出行量迅速提高,造成交通拥挤。而城市公共交通系统的顺畅与否直接影响着城市经济运行的效率和市民生活的品质。因此,各国政府纷纷增加城市公共交通的投入,但是,巨额财政投入并不是一般大中城市都能获得的。在我国现行城市公共交通车辆调度方法普遍落后,造成了有限的资源大量浪费的前提下,探索城市公共交通车辆优化调度管理方法,从“软件”入手提高现有城市公共交通的效率具有重要的现实意义。公交行车调度是公交企业运营的核心内容,关系到公交企业的经济效益与社会效益。本文兼顾乘客与公交公司的利益,通过模糊函数分别针对顾客和公司定义了其满意度,使定性的满意度有了定量的表达方式,在此基础上构建了数学模型,并针对所给出的数据和条件,通过遗传算法和遗传模拟退火混合遗传算法进行求解。在仿真过程中,设计了各遗传算子。采用自适应交叉和遗传算子,也就是自适应遗传算法对数学模型求解。三种遗传算法分别得到各自的最优解,其中自适应遗传算法和遗传模拟退火混合算法都取得了比普通遗传算法更优的结果。在此基础上,指定了公交车辆行车排班表。