随着社会经济的发展,大城市面临交通拥堵问题。发展公共交通是缓解城市交通拥挤的有效方式。公交车辆调度问题是公交运营过程中的重要问题。纯电动车因具有运输成本低、低噪声、零排放等特点,受到政府的关注,但因其续驶里程短,充电时间长,电动车辆调度问题更加复杂。多车场公交车辆调度能动态调配各线路上的公交车辆,节约公交运营成本,因而是当前公交车辆调度的研究热点。然而,当前多车场电动公交车辆调度研究还非常有限。本文研究多车场电动公交调度问题(Multi-depot electric vehicle scheduling problem,MD-EVSP)。众所周知,分支定价(Branch and Price,BP)是解决车辆调度的有效方法,但是无法在可接受时间内求解大规模问题,因此,本文改进BP来求解MD-EVSP,首先,提出了一种启发式产生初始解的方法,并改进分支定界树中每个节点的初始化方法来加速BP算法的收敛。为进一步平衡算法的计算效率和得到的解的质量,本文引入了一种基于遗传算法的列生成的两阶段式方法(Column generation and Genetic algorithm,CG-GA)来求解MD-EVSP,该方法第一阶段使用列生成为MD-EVSP生成一组候选列集合。第二阶段使用带有多样性保持机制和精英保留策略的遗传算法从候选列集合中选择部分列以构建最终解。本文将改进的BP与主流的截断列生成算法(Truncated column generation,TCG)在公有的数据集上实验来证明算法的有效性,并将CG-GA与BP、TCG算法在北方某市和沿海某城市的公交数据集上实验,相比BP、TCG,CG-GA可以更快找到一个最优解的近似解。将CG-GA在沿海某城市实际线路数据上的排班结果与人工的排班结果进行比较,对于大规模的问题实例,CG-GA得到的排班结果的车辆利用率和车次覆盖率更高,该结果有助于为多车场电动车辆调度的实际应用提供决策支持。