如何将问题和遗传算法相结合 python代码_如何将遗传算法的染色体映射为车辆路径问题的解...

导语：车辆路径问题的解为运输车辆从物流中心出发，依次经过各客户并满足货物需求，再回到物流中心的多条路径。如何将求解该问题的染色体映射为车辆路径问题的解？

一、编码规则

车辆路径问题为离散优化问题，结合约束条件：每个客户的需求必须满足，且只能由一台配送车辆送货，可以以客户整数编号的排序进行编码，保证每个客户编号能且只能出现一次。比如说：客户数量为8，则编码的染色体可以为1-2-3-4-5-6-7-8。

    二、解码规则

解码操作需要在满足约束条件：(1)每条配送路径上各客户的需求量之和不超过配送车辆的载重量；(2)每条配送路径的长度不超过配送车辆一次配送的最大行驶距离。将染色体解码为车辆的配送路径，为计算目标值做好准备。

根据排列顺序进行解码，主要判断该客户加入到车辆配送路径后，是否满足该车的最大行驶距离，是否满足该车的最大载重量。比如说染色体1-2-3-4-5-6-7-8，第1辆车路径：将客户1加入到该车的路径中，则第1辆车的行驶路线为0-1-0，表示该车从物流中心0出发，将货物运到客户1，再返回物流中心，计算行驶距离是否满足第1辆车的最大行驶距离，同时计算运货量是否满足第1辆车的最大载货量，再确定客户2如果加入第1辆车的路径是否满足以上2个条件，如果满足，则第1辆车的行驶路线为0-1-2-0，依次类推，如果不满足其中的1个条件，则需要增加1辆车即为从物流中心出发的第2条行驶路线。

    三、解码操作步骤

以作者前文编写的Matlab程序为例，在GA_VRP算法程序运行结束后，得到的最优解变量为【X_Best】，最优目标值变量为【Y_Obj】，其中【X_Best】是求解该问题遗传算法的1条染色体，那么我们怎么做把该染色体映射为车辆路径问题的解？

1、根据解码规则，我们可以手动的去将【X_Best】解码为车辆路径问题的1个解；

2、下面我带领大家一起动手来进行解码操作，以GA_VRP算法求解得到的最优解及最优目标值为例：【X_Best=1 3 5 6 8 4 7 2】，【Y_Obj=69】；

3、【X_Best=1 3 5 6 8 4 7 2】表示经过车辆经过客户的顺序为1-3-5-6-8-4-7-2，如果车辆的最大容量足够大，运输距离足够远，就可以由1辆车从物流中心0依次经过上述客户再回到物流中心0，但是因为存在约束条件(1)每条配送路径上各客户的需求量之和不超过配送车辆的载重量；(2)每条配送路径的长度不超过配送车辆一次配送的最大行驶距离，所以需要在解码过程中考虑上述2条约束。

4、已知该物流中心2台车，载重量capacity_max为8t，车辆每次配送的最大距离distance_max为50Km，对最优解【X_Best=1 3 5 6 8 4 7 2】进行解码操作。

车辆1：

①选取编号为1的客户，0-1-0表示车辆从物流中心0到客户1再返回物流中心0，此时车辆行驶的距离为8，车辆容量为1。

②因此可以将下一个客户3加入到该路径中0-1-3-0，此时车辆行驶的距离为15.5，车辆容量为2。

③因此可以将下一个客户5加入到该路径中0-1-3-5-0，此时车辆行驶的距离为33，车辆容量为3。

④因此可以将下一个客户6加入到该路径中0-1-3-5-6-0，此时车辆行驶的距离为30，车辆容量为7。

⑤因此可以将下一个客户8加入到该路径中0-1-3-5-6-8-0，此时车辆行驶的距离为38，车辆容量为9>capacity_max，将客户8加入该车辆路径后，不满足车辆容量约束，故客户8不在该车辆的路径中，需要重新安排车辆进行配送，因此可以求得第1条车辆的路径【0-1-3-5-6-0】，该车辆的行驶距离为【30】。

车辆2：

①选取编号为8的客户，重新安排车辆进行货物配送，0-8-0表示车辆从物流中心0到客户8再返回物流中心0，此时车辆行驶的距离为8，车辆容量为2。

②因此可以将下一个客户4加入到该路径中0-8-4-0，此时车辆行驶的距离为27，车辆容量为4。

③因此可以将下一个客户7加入到该路径中0-8-4-7-0，此时车辆行驶的距离为41.5，车辆容量为6。

④因此可以将下一个客户2加入到该路径中0-8-4-7-2-0，此时车辆行驶的距离为39，车辆容量为8<=capacity_max。满足车辆的容量约束和最大行驶路径约束，因此可以求得第2条车辆的路径【0-8-4-7-2-0】，该车辆的行驶距离为【39】。

上述步骤将遗传算法的染色体解码为该车辆路径问题的解，该解包括2条车辆路径，分别为【0-1-3-5-6-0】、【0-8-4-7-2-0】，最短距离为【69】。

四、Matlab代码如何实现

解码操作子函数为：

[Result]=decode(T,distance_max,capacity_max)

【decode】：解码操作的函数名

输入：

【T】：需要解码的染色体

【distance_max】：车辆的最大行驶距离(该实例为50)

【capacity_max】：车辆的最大容量(该实例为8)

输出：

【Result】：Result(i,:)=[T(i),WS,a1,b1]，该输出变量为一个数组，第1列表示客户编号；第2列表示车辆的编号；第3列表示车辆在该路径中，并从该行客户返回物流中心的距离；第4列表示车辆在该路径中的载货量。

解码【X_Best=1 3 5 6 8 4 7 2】的Matlab 代码如下：

T=X_Best;distance_max=50;capacity_max=8;[Result]=decode(T,distance_max,capacity_max)

(注意：需要在GA_VRP程序文件夹下运行，因为decode子函数会调用数据变量：客户需求Demand、各客户间的距离Distance、物流中心到各客户的距离X)

运行该程序，结果如下：

求得两条车辆路径分别为【0-1-3-5-6-0】、【0-8-4-7-2-0】。