信号控制与交通分配是交通网络控制的核心问题，二者的协同模型有较大应用价值，其通常被建立为一个双层规划模型，但模型的双层结构造成了求解的困难。本文对协同模型的求解算法进行了研究，首先分析了信号控制与交通分配协同关系，建立了双层规划模型，然后制定了两种求解策略，分别从单层问题交替迭代的特征和全局问题解空间的特征出发，设计了自适应迭代优化分配算法和自适应组合优化算法。
　　自适应迭代优化分配算法是对迭代优化分配算法的改进，设计了自适应差分修正项和局部搜索策略，在保证快速收敛的前提下提升了解的最优性。在Nguyen-Dupius路网和Sioux-Falls路网的仿真案例表明，自适应迭代优化分配算法的求解耗时相比于迭代优化分配算法减少了10%，且能求得更优的解，平均降低了迭代优化分配算法与全局最优解差距的51%。
　　自适应组合优化算法从协同模型的解空间特征出发，将解空间划分为光滑的“块”以及衔接各“块”的不光滑的“边界”。结合遗传算法广度搜索和梯度下降法深度搜索的优势，设计自适应组合优化算法。在Rinaldi路网和Nguyen-Dupius路网的仿真案例表明，自适应组合优化算法相比于遗传算法，在广度和深度搜索能力都更强，仅用35%的计算量就能求得近似全局最优解。
　　仿真案例中的可迁移性测试都表明自适应迭代优化分配算法和自适应全局优化算法可以应用至更大规模的路网中，体现了其解决实际问题的能力。