基于遗传算法的车辆路径规划问题

point	demand	x	y
n1	2.3	-5	7
n2	1.6	0	-10.1
n3
n4
n5
n6
n7
n8
n9

总共有9个点，简单起见，我们编号为1、2、…、9，起点编号为0。

一个方案就是一个个体（Individual），比如下面是三个个体：

个体	编码
Individual1	[7, 1, 3, 0, 2, 6, 9, 4, 0, 5, 8]
Individual2	[5, 8, 0, 2, 4, 6, 0, 1, 3, 7, 9]
Individual3	[1, 7, 3, 0, 4, 8, 2, 9, 0, 5, 0, 6]

个体1表示使用3辆车，第一辆走的路径是7->1->3，第二辆走的路径是2->6->9->4，第三辆走的路径是5->8。

初始种群

我们随机初始化50个个体作为种群的第一代成员。
这个操作很简单，我们想象这9个点为一副扑克牌，然后随机打乱，每次打乱的结果就作为一个个体，打乱50次，得到：

[9, 4, 1, 7, 8, 3, 5, 6, 2]
[3, 4, 2, 9, 5, 1, 8, 7, 6]
[8, 5, 3, 6, 9, 1, 2, 4, 7]
[7, 6, 2, 5, 8, 9, 3, 4, 1]
...
[8, 6, 7, 2, 9, 1, 5, 3, 4]

然后，根据容量限制，每辆车最多只能装5KG，将这些点进行划分，就得到初始种群：

[9, 4, 1, 7, 8, 0, 3, 5, 0, 6, 2]
[3, 4, 2, 9, 0, 5, 0, 1, 8, 7, 0, 6]
[8, 5, 0, 3, 6, 9, 0, 1, 2, 4, 0, 7]
[7, 6, 2, 0, 5, 8, 9, 0, 3, 4, 1]
...
[8, 6, 7, 2, 0, 9, 1, 0, 5, 3, 0, 4]

进化

选择

在种群里随机选择4个个体，分成两组，然后两两之间根据适应度比较，适应度好的作为父代，产生两个后代。
例如，随机选择的是下面4个个体：

个体	DNA	适应度	是否选择
个体1	[5, 3, 0, 7, 9, 6, 8, 0, 1, 4, 2]	96.09	$✓$
个体2	[8, 7, 3, 6, 0, 5, 0, 4, 9, 1, 0, 2]	108.71

个体	DNA	适应度	是否选择
个体3	[3, 4, 2, 0, 1, 0, 5, 0, 6, 7, 8, 9]	96.29	$✓$
个体4	[3, 6, 8, 7, 0, 5, 9, 0, 4, 2, 1]	103.95

根据适应度，选择了个体1和个体3作为父代。

交叉

将个体1和个体3中部分染色体片段进行交换，例如将个体1中的[3, 0, 7]与个体3中的[4, 2, 0]进行交换，得到：

[5, 4, 2, 0, 9, 6, 8, 0, 1, 4, 2]
[3, 3, 0, 7, 1, 0, 5, 0, 6, 7, 8, 9] 

这样选择交叉25次，就可以得到50个后代。

变异

得到的50个后代中，根据一定概率产生变异，例如个体[3, 3, 0, 7, 1, 0, 5, 0, 6, 7, 8, 9]产生变异，随机将两个点进行交换，比如5和6进行交换，得到[3, 3, 0, 7, 1, 0, 6, 0, 5, 7, 8, 9]。

这里你一定注意到，得到的一些个体是“畸形”的，我们需要对其进行调整，比如个体[3, 3, 0, 7, 1, 0, 6, 0, 5, 7, 8, 9]。
首先检查重复：
第二个3是重复的，而缺了2，因此将第二个3替换成2，得到[3, 2, 0, 7, 1, 0, 6, 0, 5, 7, 8, 9]
第十个7十重复的，而缺了4，因此将第十个7替换成4，得到[3, 2, 0, 7, 1, 0, 6, 0, 5, 4, 8, 9]
然后检查容量（也即重新根据容量限制划分）：
从[3, 2, 0, 7, 1, 0, 6, 0, 5, 4, 8, 9]得到[3, 2, 7, 0, 1, 6, 0, 5, 0, 4, 8, 9]

就这样经过选择、交叉、变异，得到了50个后代，作为种群的第二代。

最终结果

进化1000次，从最后得到的50个后代中，选择适应度最好的作为最终的结果。