遗传算法目标函数的表示

最新推荐文章于 2023-03-26 23:59:14 发布

huahua20190514

最新推荐文章于 2023-03-26 23:59:14 发布

阅读量1.5k

点赞数

本文链接：https://blog.csdn.net/huahua20190514/article/details/103337739

版权

本文深入探讨遗传算法的基础，重点解析目标函数的构建与优化，揭示如何利用遗传算法解决复杂问题并找到全局最优解。

摘要由CSDN通过智能技术生成

from numpy import *
import xlrd

##已知数据
q1='F:\共享车选址调度\共享汽车数据\候选点之间的OD(13).xlsx'
T1='F:\共享车选址调度\共享汽车数据\候选点之间的最短期望时间Tik（13）.xlsx'
wt1='F:\共享车选址调度\共享汽车数据\需求中心到备选点的步行时间（50行13列）.xlsx'
D1='F:\共享车选址调度\共享汽车数据\每个需求中心的需求量（50网格）.xlsx'
# ####excel转为矩阵
def excel_to_matrix(path,a):  #路径，sheet
    table = xlrd.open_workbook(path).sheets()[a]#获取第一个sheet表
    row = table.nrows  # 行数
    col = table.ncols  # 列数
    datamatrix = np.zeros((row, col))#生成一个nrows行ncols列，且元素均为0的初始矩阵
    for x in range(col):
        cols = np.matrix(table.col_values(x))  # 把list转换为矩阵进行矩阵操作
        datamatrix[<