1 简介
1.1 带有容量约束的车辆路径问题(CVRP)
该模型很难拓展到VRP的其他场景,并且不知道具体车辆的执行路径，因此对其模型继续改进。
1.2 遗传算法
2 部分代码
tic
clear
clc
%% 用importdata这个函数来读取文件
data=importdata('rc208.txt');
cap=1000;
%% 提取数据信息
vertexs=data(:,2:3); %所有点的坐标x和y
customer=vertexs(2:end,:); %顾客坐标
cusnum=size(customer,1); %顾客数
v_num=25; %初始车辆使用数目
demands=data(2:end,4); %需求量
h=pdist(vertexs);
dist=squareform(h); %距离矩阵
%% 遗传算法参数设置
alpha=10; %违反的容量约束的惩罚函数系数
NIND=50; %种群大小
MAXGEN=200; %迭代次数
Pc=0.9; %交叉概率
Pm=0.05; %变异概率
GGAP=0.9; %代沟(Generation gap)
N=cusnum+v_num-1; %染色体长度=顾客数目+车辆最多使用数目-1
%% 种群初始化
Chrom=InitPop(NIND,N);
%% 输出随机解的路线和总距离
disp('初始种群中的一个随机值:')
[currVC,NV,TD,violate_num,violate_cus]=decode(Chrom(1,:),cusnum,cap,demands,dist); %对初始解解码
currCost=costFuction(currVC,dist,demands,cap,alpha); %求初始配送方案的成本=车辆行驶总成本+alpha*违反的容量约束之和
disp(['车辆使用数目：',num2str(NV),'，车辆行驶总距离：',num2str(TD),'，违反约束路径数目：',num2str(violate_num),'，违反约束顾客数目：',num2str(violate_cus)]);
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~')
%% 优化
BestCost=zeros(MAXGEN,1); %记录每一代全局最优解的总成本
gen=1;
while gen<=MAXGEN
%% 计算适应度
ObjV=calObj(Chrom,cusnum,cap,demands,dist,alpha); %计算种群目标函数值
FitnV=Fitness(ObjV);
%% 选择
SelCh=Select(Chrom,FitnV,GGAP);
%% OX交叉操作
SelCh=Recombin(SelCh,Pc);
%% 变异
SelCh=Mutate(SelCh,Pm);
%% 局部搜索操作
SelCh=LocalSearch(SelCh,cusnum,cap,demands,dist,alpha);
%% 重插入子代的新种群
Chrom=Reins(Chrom,SelCh,ObjV);
%% 删除种群中重复个体，并补齐删除的个体
Chrom=deal_Repeat(Chrom);
%% 打印当前最优解
ObjV=calObj(Chrom,cusnum,cap,demands,dist,alpha); %计算种群目标函数值
[minObjV,minInd]=min(ObjV);
BestCost(gen)=minObjV;
disp(['第',num2str(gen),'代最优解:'])
[bestVC,bestNV,bestTD,best_vionum,best_viocus]=decode(Chrom(minInd(1),:),cusnum,cap,demands,dist);
disp(['车辆使用数目：',num2str(bestNV),'，车辆行驶总距离：',num2str(bestTD),'，违反约束路径数目：',num2str(best_vionum),'，违反约束顾客数目：',num2str(best_viocus)]);
fprintf('\n')
%% 更新迭代次数
gen=gen+1 ;
end
%% 打印外层循环每次迭代的全局最优解的总成本变化趋势图
figure;
plot(BestCost,'LineWidth',1);
title('全局最优解的总成本变化趋势图')
xlabel('迭代次数');
ylabel('总成本');
%% 打印全局最优解路线图
draw_Best(bestVC,vertexs);
toc
3 仿真结果
4 参考文献
[1]邹彤, 李宁, and 孙德宝. "不确定车辆数的有时间窗车辆路径问题的遗传算法." 系统工程理论与实践 24.6(2004):134-138.[2]李波, 邱红艳. 基于双层模糊聚类的多车场车辆路径遗传算法[J]. 计算机工程与应用, 2014.
