随着社会经济的飞速发展和汽车拥有量的快速增长,交通拥堵问题日益突出,如何进行交通控制与诱导从而减轻交通拥堵,有效提高交通网络的使用效率成为一个亟待解决的问题。动态交通分配为解决拥挤问题提供了思路与依据,在智能交通控制与交通诱导中发挥着重要作用,是智能交通系统理论体系的核心之一。在动态交通分配模型中,由于模型维数高、变量多、约束条件多等特点,模型求解较为困难。在该背景下,本文将不同优化算法应用于动态系统最优控制交通分配模型的求解中,具体工作如下:首先,在总结动态交通分配建模方法研究现状的基础上,本文介绍动态交通分配建模中需要考虑的主要问题及数学表达形式,并最终依据最优控制理论建立动态系统最优分配模型。其次,本文将粒子群算法、遗传算法和模拟退火算法分别用于求解动态系统最优控制交通分配模型,验证粒子群算法针对此问题的求解结果更具有优势。在此基础上,针对粒子群算法中的重要参数-惯性权重进行改进,采用非线性动态惯性权重改进策略,并对其进行系统的分析,算法的求解结果有所提高。最后,针对粒子群算法中计算性能不稳定等特点,将生物界中寄生与免疫的思想引入粒子群优化算法中,采用基于寄生免疫机制的粒子群优化算法求解动态交通分配模型。具体思路是将具有很强寄生能力的寄生群采用精英学习机制以提高算法跳出局部极值的能力,宿主则针对寄生群的寄生行为产生获得性免疫,以增强宿主种群粒子的多样性,当迭代次数进行到既定的代数时发生寄生行为。将寄生免疫粒子群算法与粒子群算法的寻优性能进行对比分析。实验分析表明寄生免疫粒子群算法具有较高的稳定性和寻优能力。