【VRP问题】基于混合遗传算法求解车辆路径规划问题附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

⛄ 内容介绍

对配送中心来说,物流配送车辆的路径优化(VRP)是物流系统优化的一个关键环节。VRP是典型的NP难问题,遗传算法是一种自适应随机搜索方法,被认为是解决NP难题的途径。针对标准遗传算法局部搜索能力差的缺陷,文中以带时间窗的VRP为研究对象,构造了一种混合遗传算法。该方法在标准遗传算法的基础上引进了扫描-节约操作,充分利用不同的搜索方法,以提高遗传算法的局部搜索能力。

⛄ 代码

function q = localoptimize(q,data)

% input: q.detil, data

% 1. filter and re-optimize q.detil.trip

% 2. re-calculate q.detil.totaldistance

% 3. re-calculate q.detil.completiontime

% output: q.detil

% Dataset & Initial Variable

dom = data.dom;

tom = data.tom;

unload = data.unload;

loaded = data.loaded;

possible = struct('trip',[],'fitness',[]);

besttrip = possible;

% Limit Permutation Parameter

limit = 7;

rand_num = rand();

for i=1:size(q.detail.trip,1)

    for j=1:size(q.detail.trip,2)

        n = numel(q.detail.trip{i,j});

        % Filtering trip by n lenght & Re-optimize the trip

        if (n > 3) && (n < 10)

            trip = q.detail.trip{i,j};

            front_end = trip([1,end]); % Cut Front-End trip

            trip([1,end]) = [];

            besttrip.fitness = inf;

            trips = perms(trip);

            if numel(trip) > limit

                % Upporbound to get trips index

                upperbound = limit/numel(trip);

                while rand_num > upperbound

                    rand_num = rand();

                end

                rand_pos = floor(rand_num*factorial(numel(trip)))-1;

                possible.trip = zeros(factorial(limit),numel(trip));

                possible.fitness = zeros(1,factorial(limit));

                for u=1:factorial(limit)

                    possible.trip(u,:) = trips(rand_pos+u,:);

                end

            else

                possible.trip = trips;

            end

            % Re-evaluate all possible permutation from trip

            for m=1:size(possible.trip,1)

                possible.fitness(m) = hitungjarak([front_end(1),...

                    possible.trip(m,:),front_end(end)],dom) +...

                    hitungjarak([front_end(1),possible.trip(m,:),...

                    front_end(end)],tom);

                % Note: Load and Unloading Processing Time Skipped

                if possible.fitness(m) < besttrip.fitness

                    besttrip.trip = possible.trip(m,:);

                    besttrip.fitness = possible.fitness(m);

                end

            end

            % Update Trip Total Distance & Total Completion Time

            % (Include Load and Unload)

            q.detail.trip(i,j) = {[front_end(1),besttrip.trip,...

                front_end(end)]};

            q.detail.totaldistance(i,j) = hitungjarak(q.detail.trip{i,j},dom);

            q.detail.completiontime(i,j) = hitungjarak(q.detail.trip{i,j},tom);

            q.detail.completiontime(i,j) = q.detail.completiontime(i,j) +...

                q.detail.transportamount(i,j)*(unload+loaded);

        end

    end

end

end

% Calculate Distance Function

function f = hitungjarak(q,dom)

f = 0;

for i=1:numel(q)-1

    f = f + dom(q(i),q(i+1));

end

end

⛄ 运行结果

⛄ 参考文献

[1] 周则兴. 基于改进人工势场的AUV三维路径规划[C]// 鳌山论坛“2019年水下无人系统技术高峰论坛”——水下无人系统智能技术会议. 0.

[2] 孙环宇, 杨志鹏, 王艺玮,等. 基于自适应参数优化RSSD-CYCBD的行星齿轮箱多故障耦合信号分离及诊断[J]. 北京航空航天大学学报, 2022, 48.

[3] 冉崇善, 张妍. 基于混合遗传算法的大规模VRP问题算法研究[J]. 电脑知识与技术：学术版, 2016(6X):3.

[4] 赵再兴, 万福才. 基于混合和声算法的车辆路径规划问题求解[C]// International Conference on Computational Intelligence & Industrial Application. 2010.

[5] 沈玲. 基于混合遗传算法的带时间窗车辆路径优化问题研究[J]. 物流工程与管理, 2009(2):4.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料