时间窗
文章平均质量分 69
张叔zhangshu
matlab学者
展开
-
matlab遗传算法求解时间惩罚与路径最短的多目标路径优化问题
问题描述在解决带有时间窗的路径优化问题时,很难抉择时间窗与路径最短两个之间的关系,通常采用将多目标转换成单目标函数的方法,而转换成单目标后,系数的调节起到至关重要的作用,其中一个占比较小,就会导致另外一个参数对结果影响较大,很难真正的反应出满意的解,所以此文章采用帕累托方法,运用遗传算法,对这两个目标进行分析。主程序如下clc;clear;tic;%% 初始化PopSize=200;%种群大小 MaxIteration =200;%最大迭代次数R=50;load('cc101');sh原创 2021-05-04 21:05:12 · 4137 阅读 · 6 评论 -
matlab遗传算法求解单配送中心,多车型,时间窗的路径优化VRPTW问题(多约束)
模型需要数据其中第一列为点的编号,0为配送中心,二三列为横纵坐标,四列为需求量,五列为时间窗开始时间(通常规定最早的那个时间为0,转换成数字,以此类推),六列为最晚时间窗,七列为服务时间。cap=[200,300,400]; %车辆最大装载量v_num=[5,4,3];原创 2021-04-21 15:10:07 · 3921 阅读 · 14 评论 -
matlab粒子群算法求解带时间窗的车辆路径规划问题
理论基础粒子群算法( particle swarm optimization,PSO)是计算智能领域,除了蚁群算法、鱼群算法之外的一种群体智能的优化算法。该算法最早由 Kennedy和 Eberhart在195年提出的。PSO算法源于对鸟类捕食行为的研究,鸟类捕食时,找到食物最简单有效的策略就是搜寻当前距离食物最近的鸟的周围区域。PSO算法是从这种生物种群行为特征中得到启发并用于求解优化问题的,算法中每个粒子都代表问题的一个潜在解,每个粒子对应一个由适应度函数决定的适应度值。粒子的速度决定了粒子移动的方原创 2021-03-29 16:46:44 · 2756 阅读 · 5 评论 -
基于遗传算法有时间窗、载重约束外卖配送路径优化
1、外卖配送中与普通路径优化的区别(1)外卖配送中必须先取订单在进行配送,所以染色体是有序排列的(2)两点间的距离并不代表十几的距离(3)在进行交叉与变异时也只能运用特殊的方法(4)如有载货限制顾客-1,商家+1进行计算原始数据(1)第一列0为原点,1-5为商家 6-10为顾客(2)二三列为坐标(3)四五列为时间窗的开始与结束产生种群5 2 3 4 10 1 8 9 7 6如上,在产生种群时,商家1的订单对应客户6,以此类推,所以1必须在6的前面,2、3、4、5都是如此。选择选择原创 2020-12-07 21:44:09 · 4715 阅读 · 6 评论