【路径规划】基于遗传算法求解带时间窗车辆路径规划问题（VRPTW）matlab源码

最新推荐文章于 2024-04-23 10:09:05 发布

Matlab科研辅导帮

最新推荐文章于 2024-04-23 10:09:05 发布

阅读量1.6k

点赞数 4

分类专栏：路径规划文章标签： matlab vr 开发语言

本文链接：https://blog.csdn.net/m0_60703264/article/details/120879478

版权

路径规划专栏收录该内容

415 篇文章 129 订阅

订阅专栏

1 简介

有时间窗的车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)因为其有重要的现实意义而备受关注.其时间窗即为客户接受服务的时间范围,该问题是运筹学和组合优化领域中的著名NP问题,是解决物流配送效率的关键,传统寻优方法效率低,耗时长,找不到满意解,往往导致物流成本过高.为了提高寻优效率,降低物流运送成本,基本遗传算法求解VRPTW问题.首先建立数学模型,然后基于大规模邻域搜索算法(LNS)生成遗传算法初始解,最后利用遗传算法在初始种群中找到最优解.计算结果表明,遗传算法可以更好求解车辆路径问题,有效降低物流成本.

2 部分代码

%%遗传算法求解vrp问题(为选择操作从新设计后程序)

%D是距离矩阵，n为种群个数

%m为适配值淘汰加速指数,最好取为1,2,3,4,不宜太大

%交叉概率Pc，变异概率Pm

%R为最短路径,Rlength为路径长度

clc;

clear all

close all

t0=cputime;%计时开始

filename='.\Solomon\c101.txt';

[NO,XCOORD, YCOORD,DEMAND,READY_TIME,DUE_DATE,SERVICE_TIME]=textread(filename,'%s%s%s%s%s%s%s','headerlines',8);%读取数据

timewindows=[str2num(char(READY_TIME))';str2num(char(DUE_DATE))'];%时间窗

coordinate=[str2num(char(XCOORD)),str2num(char(YCOORD))];%位置坐标

demand=str2num(char(DEMAND))';%需求量

service=str2num(char(SERVICE_TIME))';%服务时间

D=distanse(coordinate);

popsize=80;%种群数量

capacity = 200;%车子载重

%经验公式m=[Σgi /aq]＋1,粗求车辆数

a = 0.8; %【3】

k1 = round((sum(abs(demand))./(a*capacity)))-2; %最小车辆数

k2 = round((sum(abs(demand))./(a*capacity)))+1; %最大车辆数

% k1=size(NO);

% k2=k1+10;

original = 100;%初始每辆车的载货量

C=200;%C为停止代数，遗传到第 C代时程序停止,C的具体取值视问题的规模和耗费的时间而定

Pc=0.9;%交叉概率

Pm=0.4;%变异概率

% R = zeros(1,n+k);

% tempR = zeros(1,n+k);

minvalue = 1000000;%随便设置的最优值，不能太小

for k = k1:1:k2 %每种车辆数做一次寻优

[tempR,tempvalue] = Run_VRP(D,demand,popsize,timewindows,k,capacity,original,C,Pc,Pm,service);%运算返回最优路径R和其总距离Rlength

if min(tempvalue) < minvalue

minvalue = min(tempvalue);%如果小于最小适应度值，替代&& min(tempvalue)>100

R = tempR;%保存最小路径

minvehicle = k;%保存最小车辆数量

shiyingdu=tempvalue ;%保存最小染色体

end

% disp(['最优染色体',num2str(tempR)]);

% disp(['最小车辆数',num2str(k)]);

% disp(['最小里程数',num2str(min(tempvalue))]);

% pause

end

TimeCost=cputime-t0;%

disp(['最优染色体',num2str(R)]);

disp(['最小车辆数',num2str(minvehicle)]);

disp(['最小里程数',num2str(minvalue)]);

% myplot(R,coordinate',n+k);

figure(3)

sz=100;

% scatter(coordinate(:,1),coordinate(:,2),50);%客户位置

hold on

[n,nn] = size(D);%节点个数

for i=2:n

plot(coordinate(i,1),coordinate(i,2),'ro','MarkerSize',5,'MarkerEdgeColor','k','MarkerFaceColor','b');

text(coordinate(i,1)-0.001,coordinate(i,2)+0.005,[num2str(i-1)],'Fontsize',10);hold on

end

hold on

plot(coordinate(1,1),coordinate(1,2),'p','MarkerSize',30,'MarkerEdgeColor','k','MarkerFaceColor','y');hold on%发货中心

ss=0;

cost=zeros(k,1);

for j=1:length(R)-1

if R(j)==0

ss=ss+1;

end

switch ss

case 1

line([coordinate(R(j)+1,1),coordinate(R(j+1)+1,1)],[coordinate(R(j)+1,2),coordinate(R(j+1)+1,2)]);hold on%%画出车辆1的路程

cost(ss,1) = cost(ss,1) + D(R(j)+1,R(j+1)+1);%计算车辆1的路程

case 2

line([coordinate(R(j)+1,1),coordinate(R(j+1)+1,1)],[coordinate(R(j)+1,2),coordinate(R(j+1)+1,2)],'Color','r');hold on%%画出车辆2的路程

cost(ss,1) = cost(ss,1) + D(R(j)+1,R(j+1)+1);%计算车辆2的路程

case 3

line([coordinate(R(j)+1,1),coordinate(R(j+1)+1,1)],[coordinate(R(j)+1,2),coordinate(R(j+1)+1,2)],'Color','g');hold on %%画出车辆3的路程