如何用进化算法实现教师拼车调度？人员/车辆/天数的基因层级映射

原本计划讨论不同算法方案，现明确问题：如何设计进化算法来解决员工拼车时间表的规划问题。

问题背景 #

需求为为工作时间各异的员工设计拼车时间表，典型案例是教师群体，他们的日常工作时间极具个性化。看似简单的需求，考虑以下约束后会变得异常复杂：

• 返程驾车者必须当日也驾车上班，否则返程无可用车辆；
• 平均而言，所有参与者的驾车次数应大致相同以保证公平；
• 总驾车次数应尽可能少以节约成本；
• 同一时段同方向的车辆应均匀载客；
• 人员在不同集合点上车，部分集合点位于其他集合点的路线上（可顺路接人），反之则不行；
• 必要时人员可在其他（邻近）集合点上车，但当日返程必须在同一集合点下车，例如取回停放的自行车；
• 每个人的车辆空余座位数不同，只能搭载对应数量的其他人员；
• ……

可选方案 #

多种方案初看可行，但均存在不同程度的缺陷。初步想到四种解决思路：

1. 朴素法（Naive approach）：手动实现上述所有约束，通过数据结构映射单次行程与车辆，迭代填充符合条件的人员；
2. 暴力法（Brute force approach）：生成大量随机人员组合，从中筛选相对最优的调度方案；
3. 人工智能（AI）：这类方案看似万能，但问题在于缺乏足够的训练样本；
4. 进化算法（Evolutionary algorithm）：我的首选方案。

进化算法与暴力法类似，但更具针对性——它会结合生成的时间表中最成功的部分，以生成更优的时间表。

然而问题的复杂性（寻找最优驾驶员、最优乘车人员组合、设计最优单日/每周调度，同时保证所有人驾车频率相近……）让人无法想象如何仅用种群（population）、*基因组（genome）和基因（gene）*来建模。是否存在多层进化算法？期待相关帮助。

核心问题 #

如何用进化算法解决该问题？更具体地说：如何将人员、车辆、工作日映射到基因、基因组和种群？

内容的提问来源于stack exchange，提问作者DeBukkIt