大力发展城市公共交通是缓解城市交通拥堵,建设畅通、低碳城市的有效途径。然而,面向多样化的公共交通出行方式,庞大、繁杂的城市公共交通体系以及随机、时变的城市交通网络,出行者难以找到最优或较优的出行路径,致使城市公共交通出行方式的吸引力难以提高。因此,多模式公共交通网络下出行路径决策的研究已是迫在眉睫。而现有关于城市出行路径决策的研究中多是基于静态单一模式交通网络展开,未考虑城市道路交通状况具有时变性、随机性的特性以及城市公共交通网络的多模式特征。另外,城市公共交通方式发班时刻表会影响出行者的出行路径决策,但现有研究鲜有涉及。因此,本文对随机、时变公共交通网络下的多模式出行路径决策问题进行的研究具有较高的学术价值和应用价值。首先,本文以行程时间为目标函数,换乘次数、出行广义成本为约束条件,建立了时变确定性网络下的多模式公共交通网络出行路径决策模型,并针对该模型设计了可变长度编码的遗传算法(V-GA)和全排列整数编码的遗传算法(F-GA)两种算法。利用Solomon算例对两种算法进行数值分析,实验结果验证了两种算法的有效性且V-GA算法优于F-GA算法。其次,城市居民出行有的更看重行程时间,但有的更看重出行实际支付成本,其次再是行程时间。因此,本文又以实际金钱支付成本为目标函数,以换乘次数、步行距离、行程时间为约束条件建立数学模型,并在V-GA算法的基础上增加了模拟退火算法,遗传算法与模拟退火算法有效的结合能提高求解多模式交通出行路径优化问题的全局最优解的质量。因此设计了固定变异概率的单种群策略算法(SGA-1)、变异概率随迭代次数调整的单种群策略算法(SGA-2)、固定变异概率的多种群策略算法(MGA-1)、变异概率随迭代次数调整的多种群策略算法(MGA-2)四种算法,并进行数例对比分析。再者,随机性是城市交通网络的重要特征之一,同时不同的线路对节点的状态(停靠或换乘)会产生很大的影响,行程时间也会随之产生很大的变化,因此本文在时变、随机的网络条件下考虑了交通工具、线路差异对城市出行路径的影响,建立了含线路集的多模式交通随机网络出行路径模型,采用了蒙特卡洛仿真方法处理随机问题,构建了以行程时间为目标函数,以实际支付成本、换乘次数为约束条件的数学模型,提出了单种群管理策略(MCGA-I)和种群规模不一致的多种群管理策略(MCGA-II)两种算法策略进行数例对比分析。最后,总结了本文的研究内容,并提出了本文的主要创新点和可以进一步研究的方向。