【DCVRP】基于matlab遗传算法求解31个客户点车辆路径规划问题（车辆容量和行驶距离限制）【含Matlab源码 3802期】

💥💥💥💥💞💞💞💞💞💞欢迎来到麒麟科研社博客之家💞💞💞💞💞💞💥💥💥💥

✅博主简介：985研究生，热爱科研的Matlab仿真开发者，完整代码 论文复现 程序定制 期刊写作 科研合作 扫描文章底部QQ二维码。
🍎个人主页：麒麟科研社
🏆代码获取方式：扫描文章底部QQ二维码

⛳️座右铭：行百里者，半于九十。
更多Matlab路径规划仿真内容点击👇
①Matlab路径规划（麒麟科研社版）

⛳️关注微信公众号Matlab王者助手或Matlab海神之光，更多资源等你来！！

⛄一、VRP简介

1 VRP简要描述
经典VRP可描述为：对一系列装卸货点进行适当的路径规划，在满足约束条件（客户需求、车辆载重和容积、车型、车辆行驶里程、配送时间窗、配送中心数量等限制）和目标最优化（路程最短、成本最低、使用车辆数最少、配送时间最快等）下，将客户的配送需求从配送中心送达客户点，或从客户点送回配送中心。

2 课题场景设计
2.1 场景
单向：纯取货/纯送货；
单配送中心：只有一个配送中心/车场；
单车型：只考虑一种车型，
需求不可拆分：客户需求只能有一辆车满足；
车辆封闭：完成配送任务的车辆需回到配送中心；
车辆充足：不限制车辆数量，即配送车辆需求均能满足；
非满载：任意客户点的需求量小于车辆最大载重；

2.2 要求
优化目标：最小化车辆启动成本和车辆行驶成本之和；
约束条件：车辆行驶距离约束，重量约束；
已知信息：配送中心位置、客户点位置、客户点需求、车辆最大载重、车辆最大行驶距离、车辆启动成本、车辆单位距离行驶成本；

3. 数学模型
3.1 符号说明

3.2 数学模型

4 遗传算法
遗传算法（Genetic Algorithm，GA）是由John Holland于20世纪70年代提出，该算法是根据大自然中生物体进化规律而设计提出的，来模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。其本质是一种高效、并行、全局搜索的方法，能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最佳解。

⛄二、部分源代码

% 问题：找到精确解的概率较低（但增加迭代次数后，得到次优解的概率较大）
%编码：自然数编码，先随机选择一个客户点，再根据距离依次选择下一个客户点，直到所有客户都遍历到
%解码：根据客户需求量和车辆行驶距离进行分配车辆
%选择：锦标赛和轮盘赌%%轮盘赌的效果完全没有锦标赛的效果好
%交叉：顺序交叉
%变异：两个随机位置互换
tic;
clear;
clc;
close all;
%% 用importdata读取文件并计算各个点之间的距离
CVRP=importdata(‘c101.txt’);
[row,~] = size(CVRP);
dist = zeros(row,row);
for i = 1:row-1
for j = i+1:row
dist(i,j) = sqrt(sum((CVRP(i,2:3)-CVRP(j,2:3)).^2));
end
end
for i = 1:row
dist(i,i) = inf;
end
dist = dist + dist’;
row = row - 1;%客户点的数量

%% 参数设置
[N,D,volume,Dist,C0,C1,Iter,Pc,Pm] = constant(row);
GA = zeros(N,D+1);%GA数组位置申请
Path = inf(N,2D+2);%定义路径的数组，前2D存放具体路径，2D+1、2D+2分别为车辆书及路径长度

%% 初始化
[GA,Path] = initialization(CVRP,dist,N,D,volume,Dist,C0,C1,GA,Path);

%% 迭代
[GA,Path,Gbest] = iteration(N,D,volume,Dist,C0,C1,Iter,Pc,Pm,CVRP,dist,GA,Path);

%% 命令行显示
[value,row] = min(Path(:,2D+2));
[~,col] = find(Path(row,1:2D)==1);
[~,k] = size(col);
for i = 1:k-1
disp([‘车辆’,num2str(i),‘:’,num2str(Path(row,col(i):col(i+1)))]);
end
disp([‘最短总路程：’,num2str(Path(row,2*D+2))]); %输入多个参数进行显示，除了用num2str显示数值，还需要将所有输入加上方括号！！

plot(Gbest);
draw(CVRP);
hold on;
grid on ;
for i = 1:k-1
c = Path(row,col(i):col(i+1));
plot(CVRP(c,2),CVRP(c,3));
end
toc;

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]薛宗杭.基于蚁群算法的船舶自主避障路径规划[J].电子工业出版社，2016.

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合