对于公共交通企业而言,驾驶员成本占有运营成本相当大的比例。驾驶员调度问题就是研究如何优化安排一组驾驶员来完成事先确定的车辆运营任务,目标是采用最少的班次和最小的运营成本,该问题被公认为NP难问题,因此对其研究解决具有主要的现实意义和理论价值。在现实驾驶员调度问题中,调度员通常是遵循一系列的规则和规则之间的关系来构造调度方案的。由于贝叶斯网络常常被用来模拟多个变量之间的关系,并具有学习和推理功能,本文尝试使用贝叶斯优化算法到来求解驾驶员调度问题。在本文贝叶斯优化算法求解的驾驶员调度问题,一个贝叶斯网络就是一个调度方案。首先根据驾驶员调度领域具体知识,考虑可能影响班次选择的因素,设置了工时成本、驾驶员利用率、驾驶段数量、连续驾驶段数量、LP松弛解、班次评价函数六种规则,并基于规则构建了驾驶员调度问题的贝叶斯网络;接着根据驾驶员调度的目标,设计了成本排序、混合随机选择构造策略集;然后每次通过学习前一代的策略集来指导当代的贝叶斯网络的构建,再从当代的贝叶斯网络中按上述两种方法挑选一些贝叶斯网络形成新的策略集,不断重复改进,最后输出最优贝叶斯网络。同时为了满足两种策略集方法的求解要求,设计了一组调整方案:无权重规则构造贝叶斯网络、有权重规则构造贝叶斯网络、概率构造贝叶斯网络、驾驶段工作分配、成本计算。在不同规则组合方案下,对驾驶员调度问题使用基于成本排序策略、混合随机选择策略的贝叶斯优化算法进行编程测试,发现基于混合随机选择策略和六种规则的贝叶斯算法得到的结果最优,因此可以得出规则的设计和策略集的选择对结果有很大的影响。为了求解规则的参数,选择较优的混合随机选择策略进行正交试验,最后分析得出参数最佳组合及规则的权重。