针对31个客户的配送问题
引用链接中的代码采用了基于距离加入客户节点的编码方式,之后的迭代采用的是正常的遗传算法的锦标赛选择、顺序交叉、单点变异操作。我又严格按照引用链接中的引用链接(俄罗斯套娃,哈哈哈)中想法,选择自身逆序、当前最优和全局最优作为可能的一个父代进行交叉,且没有变异操作。得到的结果如下:①得到最优解的概率较低②程序运行时间较长,大于1分钟③针对7个和12个客户点的配送问题,用下面的代码就可以实现极大概率找到最优解
下面是我按照上面引用链接中的引用链接(俄罗斯套娃,哈哈哈)中想法进行的matlab编程,即将他的程序从python翻译到matlab。而上面引用链接中的代码是只采用了距离的编码。
代码
①主函数main
% 问题:找到精确解的概率较低
%编码:自然数编码,先随机选择一个客户点,再根据距离依次选择下一个客户点,直到所有客户都遍历到
%解码:根据客户需求量和车辆行驶距离进行分配车辆
%选择:单纯从自身的逆序、当前最优、全局最优选择另一个父代
%交叉:顺序交叉
%变异:无变异操作
tic;
clear;
clc;
close all;
%% 用importdata读取文件并计算各个点之间的距离
CVRP=importdata('c101.txt');
[row,~] = size(CVRP);
dist = zeros(row,row);
for i = 1:row-1
for j = i+1:row
dist(i,j) = sqrt(sum((CVRP(i,2:3)-CVRP(j,2:3)).^2));
end
end
for i = 1:row
dist(i,i) = inf;
end
dist = dist + dist';
row = row - 1;%客户点的数量
%% 参数设置
[N,D,volume,Dist,C0,C1,Iter,w,c1,c2] = constant(row);
GA = zeros(N,D+1);%GA数组位置申请
Pbest = zeros(N+1,D+1);%当前最优和全局最优
Path = inf(N+1,2*D+2);%定义路径的数组,前2*D存放具体路径,2*D+1、2*D+2分别为车辆书及路径长度
%% 初始化
[GA,Pbest,Path] = initialization(CVRP,dist,N,D,volume,Dist,C0,C1,GA,Pbest,Path);
%% 迭代
[GA,Pbest,Path,Gbest] = iteration(N,D,volume,Dist,C0,C1,Iter,w,c1,c2,CVRP,dist,GA,Pbest,Path);
%% 命令行显示
[value,row] = min(Path(:,2*D+2));
[~,col] = find(Path(row,1:2*D)==1);
[~,k] = size(col);
for i = 1:k-1
disp(['车辆',num2str(i),':',num2str(Path(row,col(i):col(i+1)))]);
end
disp(['最短总路程:',num2str(Path(row,2*D+2))]); %输入多个参数进行显示,除了用num2str显示数值,还需要将所有输入加上方括号!!
plot(Gbest);
draw(CVRP);
hold on;
grid on ;
for i = 1:k-1
c = Path(row,col(i):col(i+1));
plot(CVRP(c,2),CVRP(c,3));
end
toc;
②参数函数constant
function [N,D,volume,Dist,C0,C1,Iter,w,c1,c2] = constant(row)
N = 50;
D = row;
if D ==7 %车辆的容量
volume = 1;
elseif D ==12
volume = 6;
elseif D == 31
volume = 120;
end
Dist = 250; %车辆最远行驶距离
C0 = 30; %车辆启动成本
C1 = 1; %车辆的行驶成本
Iter = 1000; %迭代数
w = 0.2;
c1 = 0.4;
c2 = 0.4;%采用所谓的粒子群思想选择交叉的父代,以w/(w+c1+c2)、w+c1/(w+c1+c2)、w+c1+c2/(w+c1+c2)分别选择粒子自身逆序、自身最佳、全局最佳作为父代之一
③初始化函数initialization
function [GA,Pbest,Path] = initialization(CVRP,dist,N,D,volume,Dist,C0,C1,GA,Pbest,Path)
for i = 1:N
dist_matrix = dist;
dist_matrix(:,1) = inf;
k = 1;%路径中节点的个数
GA(i,k) = 1;
while GA(i,k)==1
GA(i,k) = randperm(D+1,1);%随机选择一个起始客户点
end
dist_matrix(:,GA(i,k)) = inf;
while k<=30
k = k + 1;
[~,col] = min(dist_matrix(GA(i,k-1),:));
GA(i,k) = col;
dist_matrix(:,GA(i,k)) = inf;
end
Path(i,:) = pathdecode(CVRP,dist,D,volume,Dist,GA(i,1:D));
GA(i,D+1) = fitness(Path(i,:),D,dist,C0,C1);%计算距离
Path(i,2*D+2) = GA(i,D+1);
end
Pbest = GA;
[~,row] = min(GA(:,D+1));
Pbest(N+1,:) = GA(row,:);
Path(N+1,:) = Path(row,:);
④解码函数pathdecode
function path = pathdecode(CVRP,dist,D,volume,Dist,x)
%解码
path = inf(1,2*D+2);%存放解码后的路径
k = 1;%路径中已有的节点个数
path(k) = 1;%第一个节点是配送中心
heavy = 0;%初始的车辆载重为0
numcar = 0;%车辆数初始为0
d = 0;%初始车辆的行驶距离
for j = 1:D
k = k + 1;%已有的节点个数加1
if (heavy+CVRP(x(j),4)<volume)&&(d + dist(path(k-1),x(j)) + dist(x(j),1)<Dist)
path(k) = x(j);
heavy = heavy + CVRP(x(j),4);%累计车辆的载重
d = d + dist(path(k-1),x(j));%累计车辆的行驶距离
else
heavy = CVRP(x(j),4);%重置车辆的载货量
path(k) = 1;%添加一个配送中心节点序号
k = k + 1;
path(k) = x(j);%下一个加入路径的节点
d = dist(path(k-1),path(k));%重置车辆的行驶距离
numcar = numcar + 1;%车辆数加1
end
end
k = k + 1;
numcar = numcar + 1;
path(k) = 1;%车辆回到配送中心
path(2*D+1) = numcar;%记录车辆数
⑤适应度函数fitness
function y = fitness(path,D,dist,C0,C1)
%适应度值为车辆启动成本和车辆行驶成本的线性和
y = 0;%计算路径长度
pathlong = path(2*D+1)+1+D;
for i = 1:pathlong-1
y = y + dist(path(i),path(i+1));
%位置 1 处的索引无效。数组索引必须为正整数或逻辑值。原因是函数调用的参数输入问题或者确实是本行有问题!!!!
end
y = C1*y + C0*path(2*D+1);
⑥迭代函数iteration
function [GA,Pbest,Path,Gbest] = iteration(N,D,volume,Dist,C0,C1,Iter,w,c1,c2,CVRP,dist,GA,Pbest,Path)
Gbest = zeros(1,Iter);%存放每次迭代的最佳距离值
for iter = 1:Iter
for i = 1:N
GA(i,1:D) = crossover(N,D,w,c1,c2,GA(i,1:D),Pbest(i,1:D),Pbest(N+1,1:D));%交叉操作
Path(i,:) = pathdecode(CVRP,dist,D,volume,Dist,GA(i,1:D));
GA(i,D+1) = fitness(Path(i,:),D,dist,C0,C1);
Path(i,2*D+2) = GA(i,D+1);
if GA(i,D+1)<Pbest(i,D+1)
Pbest(i,:) = GA(i,:);
end
end
[value,row] = min(Pbest(:,D+1));
if value<Pbest(N+1,D+1)
Pbest(N+1,:) = Pbest(row,:);
end
Path(N+1,:) = pathdecode(CVRP,dist,D,volume,Dist,Pbest(N+1,1:D));
Path(N+1,2*D+2) = fitness(Path(N+1,:),D,dist,C0,C1);
Gbest(1,iter) = min(GA(:,D+1));
end
⑦交叉函数crossover
function x = crossover(N,D,w,c1,c2,x,pbest,gbest)
%顺序交叉
parent1 = x;
r = rand;
if r<w
parent2 = fliplr(x);
elseif r<w+c1
parent2 = pbest;
elseif r<w+c1+c2
parent2 = gbest;
end
for i = 1:N
point = randperm(D,2);
point1 = min(point);
point2 = max(point);%指定大小交叉点
while max(point)-min(point)>29||max(point)==min(point)
%交叉点之间的距离≥29则交叉不会产生变化
point = randperm(D,2);%随机选择1-D范围内的两个不同的整数
point1 = min(point);
point2 = max(point);%指定大小交叉点
end
x(1,point1:point2) = parent1(point1:point2);%子代交叉点之间是父代1交叉点之间的序号
parent2_1 = [parent2(point2+1:D) parent2(1:point2)];%父代2从交叉点2后一位开始循环一轮到该交叉点
for cross = point1:point2
parent2_1(parent2_1==x(1,cross)) = [];%将parent2_1中与子代中重复的序号去除
end
if point1 == 1
x(1,point2+1:D) = parent2_1;%如果交叉点1是第一位,那直接赋值
elseif point2 ==D
x(1,1:point1-1) = parent2_1;%如果交叉点2是最后一位,也可以直接赋值
else
x(1,1:point1-1) = parent2_1(1:point1-1);%交叉点前的一段序号赋值
x(1,point2+1:D) = parent2_1(point1:end);%交叉点后的一段序号赋值
end
end
⑧绘图函数draw
function draw(CVRP)
figure(5);
% axis([0 110 0 110]);
title('配送路线');
hold on ;
grid on ;
plot(CVRP(:,2),CVRP(:,3),'r.','linewidth',10);%不用循环,
end
结果