一、简介
约束条件:
拥有多个物流中心。
车辆从某一个物流中心出发,完成配送任务后,可以不回到原来出发的物流中心,返回距离最近的物流中心,即开放式车辆路径。当然,根据车辆服务最后一个客户与所有物流中心的距离,如果与原来出发的物流中心是最短距离,也可以返回原来出发的物流中心。
优化目标:车辆固定使用成本(200元/辆)、车辆行驶时间成本(0.3元/分钟)、车辆等待时间成本(0.3元/分钟)、车辆服务时间(0.3元/分钟)成本之和最小。
约束条件:(1)不超过车辆容量限制(车辆容量为1000单位),(2)服务必须在客户时间窗内进行,(3)车辆可以提前到达客户,产生等待时间。(4)设定车辆从物流中心的出发时间为0时刻,即第0分钟。
二、源代码
%%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
%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
%交叉概率Pc,变异概率Pm
%R为最短路径,Rlength为路径长度
function VRP
volume_shangyuan=30; %一架飞机对伤员的载量约束
volume_wuzi=200; %一架飞机对物资的载量约束
sudu_feiji=200; %一架飞机的速度
base_num1=5; %各个仓库的飞机数量
base_num2=5;
base_num3=5;
n=100; %个体数
C=100; %迭代次数
Pc=0.8;
Pm=0.3;
%主程序入口
tab=2 ; %tab=1,则程序跑的是所有点
%tab=2,则程序跑的是有缺失的点
if tab==1
%初始化
load('h.mat');
demand_shangyuan(1,:)=a(:,4);
demand_wuzi(1,:)=a(:,6);
zuobiao(1,:)=a(:,2);zuobiao(2,:)=a(:,3);
timewindow(1,:)=a(:,8);timewindow(2,:)=a(:,9);
D = linjiejuzhen( zuobiao );
[N,NN]=size(D);
%初始化点的出发仓库和回归仓库
for i=1:N;
dis(1,i)=sqrt((zuobiao(1,i)-22)^2+(zuobiao(2,i)-75)^2);
dis(2,i)=sqrt((zuobiao(1,i)-75.8)^2+(zuobiao(2,i)-80.1)^2);
dis(3,i)=sqrt((zuobiao(1,i)-53.4)^2+(zuobiao(2,i)-59.9)^2);
if (dis(1,i)<=dis(2,i))
if (dis(1,i)<=dis(3,i))
dis(4,i)=1;
else
dis(4,i)=3;
end
else
if (dis(2,i)<=dis(3,i))
dis(4,i)=2;
else
dis(4,i)=3;
end
end
end
clear i;
[R,minlen]=geneticVRP(D,dis,timewindow,demand_shangyuan,demand_wuzi,volume_shangyuan,volume_wuzi,sudu_feiji,base_num1,base_num2,base_num3,n,C,Pc,Pm,zuobiao);%运算返回最优路径R和其总距离Rlength
else
%初始化
delete=[49 34 9 10 58];%要删除的点
delete=sort(delete,'descend');
[M,MM]=size(delete);
load('h.mat');
demand_shangyuan(1,:)=a(:,4);
demand_wuzi(1,:)=a(:,6);
zuobiao(1,:)=a(:,2);zuobiao(2,:)=a(:,3);
timewindow(1,:)=a(:,8);timewindow(2,:)=a(:,9);
xiba=0;
for i=1:MM
xiba=xiba+demand_shangyuan(1,delete(i))+demand_wuzi(1,delete(i));
end
[B,BB]=size(demand_shangyuan);
old=(1:BB);
for new=1:MM
old(delete(new))=[];
demand_shangyuan(delete(new))=[ ];
demand_wuzi(delete(new))=[];
zuobiao(:,delete(new))=[];
timewindow(:,delete(new))=[];
end
D = linjiejuzhen( zuobiao );
[N,NN]=size(D);
%初始化点的出发仓库和回归仓库
for i=1:N;
dis(1,i)=sqrt((zuobiao(1,i)-22)^2+(zuobiao(2,i)-75)^2);
dis(2,i)=sqrt((zuobiao(1,i)-75.8)^2+(zuobiao(2,i)-80.1)^2);
dis(3,i)=sqrt((zuobiao(1,i)-53.4)^2+(zuobiao(2,i)-59.9)^2);
if (dis(1,i)<=dis(2,i))
if (dis(1,i)<=dis(3,i))
dis(4,i)=1;
else
dis(4,i)=3;
end
else
if (dis(2,i)<=dis(3,i))
dis(4,i)=2;
else
dis(4,i)=3;
end
end
end
clear i;
[R,minlen]=geneticVRP_delete(old,xiba,D,dis,timewindow,demand_shangyuan,demand_wuzi,volume_shangyuan,volume_wuzi,sudu_feiji,base_num1,base_num2,base_num3,n,C,Pc,Pm,zuobiao);%运算返回最优路径R和其总距离Rlength
end
三、运行结果
四、备注
版本:2014a
今天的文章【VRP】基于matlab遗传算法求解多中心VRP问题【含Matlab源码 011期】分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/16431.html