智能交通系统就是将先进的计算机技术、通信技术、数据库技术、人工智能技术等运用于交通运输中,用以解决交通拥挤,提高交通网络的使用效率。动态路径诱导作为智能交通系统的关键技术之一,其主要功能是辅助驾驶员为到达目的地而选择最优路径。本论文根据出行者需求和道路通行能力,研究动态路径优化问题,即为了获得两点之间的距离最短、时间最短、费用最小的最优路径。相比于传统静态诱导系统中简单的物理意义上的路径最短或静态时间最短,具有重要的理论意义和工程应用价值。本文的研究工作和成果如下:1、针对动态路网的路径诱导问题,通过分析经典Dijkstra算法、Floyd算法和启发式搜索算法,发现经典算法不满足动态路径诱导的最优路径求解,研究利用遗传算法解决动态路网的优化方法。2、针对标准遗传算法在动态最优路径求解时存在局部极点、全局收敛慢等问题,研究了适用于动态最优路径求解的改进自适应遗传算法,通过改进算子选择、自适应遗传率和变异率,解决了局部极小和收敛速度慢的问题,仿真结果验证了算法的正确性和有效性。3、对城市路网模型和车辆路径模型进行建模,把改进的自适应遗传算法应用到动态交通条件下路径诱导的最优求解,并与标准遗传算法、简单的自适应遗产算法进行仿真比较,结果验证了改进自适应遗传算法用于动态最优路径计算、效率和实用性方面的优势。