MATLAB 遗传算法 路径优化

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 

文章目录

前言

一、模型是什么

二、部分代码（遗传算法+改进后遗传-模拟退火算法）

1.读入数据

2.打印最优解

总结

---

前言

考虑重大疫情下封控区域人民群众的生活需求，针对疫情下封控区域生活物资配送路径优化问题，建立面对城市封控区域的生活物资配送优化模型，提出疫情下封控区域生活物资配送建议均具有重大意义。

---

一、模型是什么

 

 物资配送过程中给出配送路线方案的同时充分考虑到兼顾公平与效率的问题，提出以下两个目标：（1）疫情生活物资运输车辆的时间最短，确保物资配送方案的时效性。（2）各需求点的综合满意率最高，确保物资配送方案的科学性。同时为确保物资配送方案的公平性，结合相关约束条件进行求解，最后得出最优的生活物资配送方案及运输路线集合。

二、部分代码（遗传算法+改进后遗传-模拟退火算法）

1.读入数据

代码如下（示例）：

%% 用importdata这个函数来读取文件
shuju=xlsread('shuju(1).xlsx','Sheet1');
cap=2000;                                                        %车辆最大装载量
%% 提取数据信息
zuobiao=shuju(:,2:3);                                       %所有点的坐标x和y
customer=zuobiao(7:end,:);                                       %顾客坐标
cusnum=size(customer,1);                                         %顾客数
v_num=6;                                                        %车辆最多使用数目
demands=shuju(7:end,4);                                          %需求量

2.打印最优解

代码如下（示例）：

%% 打印当前最优解
    ObjV=calObj(Chrom,cusnum,cap,demands,dist,alpha,chesu);             %计算种群目标函数值
    [~,minInd]=min(ObjV);
    disp(['第',num2str(gen),'代最优解:'])
    [~,bestNV,bestTD,bestXZ]=decode(Chrom(minInd(1),:),cusnum,dist);
    disp(['车辆使用数目：',num2str(bestNV),'，车辆行驶总距离：',num2str(bestTD)]);
    fprintf('\n')

---

总结

这里对文章进行总结：本文在现有的研究基础上，充分考虑并结合疫情下封控区域生活物资配送问题及车辆路径问题的特点构建物资配送优化模型。在一般单一目标——时间最短的基础上，加入综合满意率优化目标，为疫情下生活物资配送找到了更好的思路。在模型设计与求解问题上，首先设计标准遗传算法，继而对算法加以改进，最后设计出了改进遗传-模拟退火算法对模型进行求解。

欢迎大家来和我讨论！