共享单车作为一种绿色低碳的出行方式,给人们的出行带来了极大的便利。然而在运行一段时间后,有些区域可能共享单车堆积而有些区域用户却无车可骑,此时共享单车的分布无法满足用户的出行需求。因此,共享单车平台需要对共享单车进行调度从而提高用户服务率。目前,共享单车调度问题可采用卡车拖运和激励用户参与的两种方式来对各区域内共享单车进行调度,以提高平台的用户服务率。其中,采用卡车拖运的方式是通过卡车在不同的区域间装载或卸载共享单车来实现对共享单车的调度。激励用户参与的方式则是将调度任务众包给用户,通过给予用户一定的金钱激励来鼓励用户将共享单车归还到其它区域,以实现对共享单车的调度。针对上述两种调度场景,本文分别设计了在预算约束下的两种共享单车调度策略,主要研究工作如下:（1）给出本文共享单车调度问题的基本设定。首先给出共享单车平台、卡车以及用户的设定,然后分别对卡车拖运和激励用户参与的共享单车调度问题进行定义。对于卡车拖运下的共享单车调度策略,卡车在不同的区域之间装载或卸载共享单车需满足卡车的容量以及当前区域中共享单车的供应量等约束,同时,还需考虑卡车的燃油成本以及工人的搬运成本需满足预算约束的限制。而对于用户参与下的共享单车调度策略,当用户执行完调度任务后还需步行回到用户本来的目的地。当用户执行完调度任务步行的距离大于用户的最大步行距离时,用户可能不愿意执行调度任务,因此为用户分配调度任务时还需考虑用户的最大步行距离,同时,激励给用户执行调度任务的价格还需满足预算约束的限制。（2）卡车拖运下的共享单车调度策略研究。在用户动态的出行需求和共享单车动态的分布下,卡车在每一个时间段内如何调度是一个序贯决策过程。因此,本文将卡车拖运下的共享单车调度问题建模成马尔可夫决策过程。同时考虑到该问题中庞大且连续的状态空间以及离散的动作空间,本文基于深度Q网络算法DQN来设计卡车拖运下的共享单车调度策略。接着,本文在摩拜单车数据集上进行实验并与群体智能算法PSO、服务率优先算法以及未调度的情况进行对比。实验结果表明在不同的卡车出发区域、共享单车供应量以及预算约束等情况下,本文的共享单车调度策略均能取得最好的效果,能够为平台提供有意义的指导。（3）用户参与下的共享单车调度策略研究。为了在有限的预算限制下提高平台长期的用户服务率,本文考虑为各个时间段进行合理的预算分配的同时为用户生成调度任务。因此本文用户参与下的共享单车调度策略中包含任务生成算法、预算分配算法以及任务分配算法。其中任务生成算法是指为用户生成调度任务。在任务生成算法中,本文基于LSTM预测用户未来的单车需求,同时结合各个区域的单车供应量来生成当前时间段内用户的调度任务。在预算分配算法中,顺序地为各个时间段分配预算是序贯决策问题,因此本文将其建模成马尔可夫决策过程,同时由于该问题具有高维和连续的状态空间和连续的动作空间,因此本文基于深度确定性策略梯度算法DDPG来设计预算分配策略。在任务分配算法中,本文采用合理的分配策略,以保证在满足预算约束的条件下将调度任务合理分配给用户同时使得执行调度任务的人数最大化。最后,本文基于摩拜单车的数据集进行实验并与无预算限制的调度策略、贪心预算分配的调度策略、卡车拖运下的调度策略以及未进行调度的情况进行对比实验。结果表明本文的用户参与下的共享单车调度策略在不同的预算约束以及共享单车初始供应量情况下,都能取得除无预算约束的调度策略外最好的效果,能够为激励用户参与的共享单车调度问题提供有意义的指导。