设计求解城市交通连续网络设计问题的有效算法是交通研究领域的热点问题之一。本论文在分析和总结现有研究成果的基础上,深入探讨了求解城市交通连续网络设计问题的四种智能优化算法,具体如下:(1)采用双层规划模型来描述固定需求下的城市交通连续网络设计问题,其中上层问题的目标函数为整个网络的总阻抗和总投资额之和,下层问题则是用户平衡配流模型。并运用目前受到较多学者广泛关注的遗传算法、粒子群算法、蚁群算法和模拟退火算法求解该双层规划模型。实验表明,四种智能优化算法均能求解连续网络设计问题,但是由于各个算法的参数设定以及算法结构特性不同,使得求解精度和时间都有较大差异。(2)采用了灵敏度分析方法分析了不同的参数选择对各个智能优化算法性能的影响,比较了各个参数对结果及时间影响的重要程度,确定了参数的选择原则。实验表明,根据上述分析方法得到的参数选择原则来设定参数的取值,能够大大提高算法的执行效率和收敛精度。(3)运用混沌时间序列分析方法分析了遗传算法求解过程的复杂程度。实验表明,运用混沌时间序列分析方法分析遗传算法求解过程的复杂程度具有可行性,其中混沌特征量-最大李雅普诺夫指数有效地表征了遗传算法求解过程的复杂程度。此外,通过比较不同规模的网络算例的混沌特征量可知当网络规模增大时,算法的求解过程更加复杂。(4)文章从定性和定量两个方面分析比较了上述四种智能优化算法求解双层规划模型的差异性。综合考虑各个算法的收敛精度、执行效率等指标可知,粒子群算法较适合于求解城市交通连续网络设计问题,而遗传算法略弱于粒子群算法,蚁群算法虽然收敛精度较高但是所需的搜索时间较长,模拟退火算法则不仅收敛精度较差且搜索时间也最长。