论文对公交驾驶员排班问题进行论述,并研究了相关的数学模型和求解算法。针对求解算法中蚁群算法求解时间过长的不足,在基于开放的分布式计算平台Hama的基础上,设计与实现了基于Hama的两种并行蚁群算法模型以提高算法执行效率。论文的主要工作如下：本文首先研究了公交驾驶排班问题的现状,分析了集成调度法、构建与优化和法生成与选择法三种思路的优缺点,讨论了蚁群算法和并行蚁群算法原理,确定了求解公交驾驶员排班问题的技术路线。其次在研究Hama平台的基础上,提出了两种求解公交驾驶排班问题并行蚁群算法模型：粗粒度主从式并行蚁群算法模型和粗粒度最优解并行蚁群算法模型。这两种模型的基本算法均采用MMAS算法,粗粒度主从式并行蚁群算法模型中使用信息素矩阵作为交互内容,并通过设置主从节点的方式减少发送信息次数；粗粒度最优解并行以子蚁群的当前最优解及其路径作为交互内容。论文建立两种并行蚁群算法模型以期提高求解效率和得到更优结果,并详细阐述了实现过程中的重点问题。最后论文选取北京市典型公交线路进行实证分析,试验环境采用四台虚拟机构造的并行计算集群,实验结果表明,在单机运算方面,普通蚁群算法求解结果与线路实际情况相比,可减少1个班型的使用,结果更优；在集群运算方面,同普通蚁群算法相比,两种并行算法均具有更好的求解效率,粗粒度主从式并行与粗粒度最优解并行的可达到最大加速比分别为2.90与3.41,其中,粗粒度主从式并行的求解质量要优于粗粒度最优解并行,因为粗粒度主从式并行采用信息素矩阵交互的策略,可以使搜索空间更大,在搜索过程中更有可能找到较优解。本文研究的基于Hama的并行蚁群算法在选择并行计算模型,设计并行蚁群交互策略等方面上具有一定的指导意义。