随着城镇化建设和汽车产业的迅速发展,城市交通供给与交通需求之间的矛盾日益突出。为了缓解城市交通压力,车辆合乘的出行方式得到乘客青睐,路径优化和车辆合乘算法成为研究热点。目前大部分车辆合乘的网站和手机软件只提供信息发布和供求平台,不具备车辆和乘客的匹配功能,没有实现车辆合乘路径的优化。本文在研究车辆合乘问题的相关理论和信息技术的基础上,将智能处理算法与车辆合乘问题相结合,讨论了求解车辆合乘匹配问题和合乘路径优化问题的算法,从算法的原理、步骤和特点等方面探索了粒子群算法和遗传算法这两种智能算法在车辆合乘中的应用。针对带软时间窗的多车辆合乘问题,在保证车辆匹配率的基础上建立了以路径最短和费用最少为目标函数的数学模型,对超时情况采取相应的处理措施。求解多车辆合乘问题首先实现车辆和乘客的匹配,根据匹配的结果规划车辆合乘的路径。在解决车辆合乘匹配时以车辆的匹配率为目标函数,利用粒子群算法优化车辆所经过站点的搜索半径,使车辆与乘客的匹配率最高。车辆合乘匹配完成后,利用改进的遗传算法求解车辆最优合乘路径。针对本文的研究问题,从种群初始化、选择策略、交叉算子和变异算子这四个方面对遗传算法进行改进,加快了算法的收敛性,更易得到最优解。为了验证算法,本文设计了一个路网,路网中有多辆车和多名乘客,每个司机有一个初始路线和时间窗,乘客都有相应的时间窗和起终点。通过实验结果表明,粒子群算法能有效的解决车辆合乘匹配问题,建立的数学模型和改进的遗传算法能有效的解决车辆合乘路径优化问题。最后建立了一个基于android平台的车辆合乘系统,系统的客户端主要负责和用户交互、界面的显示,服务器端主要负责利用优化算法来实现合乘匹配和合乘路径优化。用户登录系统发布初始路线和时间窗,系统利用粒子群算法和改进的遗传算法进行司机和乘客的匹配和车辆合乘路径优化,并将匹配结果和优化路径显示在客户端上,验证了理论模型和算法设计的可行性。