VRP问题的遗传算法，谁有MATLAB的代码

我发一些他们的源程序你，都是我在文献中搜索总结出来的：

%

下面举例说明遗传族裤算法

%

%

求下列兆庆简函数的最大值

%

%

f(x)=10*sin(5x)+7*cos(4x)

x∈[0,10]

%

%

将

x

的值用一个10位的二值形式表示为二值问题，一个10位的二值数提供的分辨率是每为

(10-0)/(2^10-1)≈0.01

。

%

%

将变量域

[0,10]

离散化为二值域

[0,1023],

x=0+10*b/1023,

其中

b

是

[0,1023]

中的一个二值数。

%

%

%

%--------------------------------------------------------------------------------------------------------------%

%--------------------------------------------------------------------------------------------------------------%

%

编程

%-----------------------------------------------

%

2.1初始化(编码)

%

initpop.m函数的功能是实现群体的初始化，popsize表示群体的大小，chromlength表示染色体的长度(二值数的长度)，

%

长度大小取决于变量的二进制编码的长度(在本例中取10位)。

%遗传算法子程序

%name:

initpop.m

%初始化

function

pop=initpop(popsize,chromlength)

pop=round(rand(popsize,chromlength))

%

rand随机产生每个单元为

{0,1}

行数为popsize，列数为chromlength的矩阵，

%

roud对矩阵的每个单元进行圆整。这样产生的初始种群。

%

2.2.2

将二进制编码转化为十进制数(2)

%

decodechrom.m函数的功能是将染色体(或二进制编码差肆)转换为十进制，参数spoint表示待解码的二进制串的起始位置

%

(对于多个变量而言，如有两个变量，采用20为表示，每个变量10为，则第一个变量从1开始，另一个变量从11开始。本例为1)，

%

参数1ength表示所截取的长度（本例为10）。

%遗传算法子程序

%name:

decodechrom.m

%将二进制编码转换成十进制

function

pop2=decodechrom(pop,spoint,length)

pop1=pop(:,spoint:spoint+length-1)

pop2=decodebinary(pop1)

%

2.4

选择复制

%

选择或复制 *** 作是决定哪些个体可以进入下一代。程序中采用赌轮盘选择法选择，这种方法较易实现。

%

根据方程

pi=fi/∑fi=fi/fsum

，选择步骤：

%

1）

在第

t

代，由（1）式计算

fsum

和

pi

%

2）

产生

{0,1}

的随机数

rand(

.)，求

s=rand(

.)*fsum

%

3）

求

∑fi≥s

中最小的

k

，则第

k

个个体被选中

%

4）

进行

n

次2）、3） *** 作，得到

n

个个体，成为第

t=t+1

代种群

%遗传算法子程序

%name:

selection.m

%选择复制

function

[newpop]=selection(pop,fitvalue)

totalfit=sum(fitvalue)

%求适应值之和

fitvalue=fitvalue/totalfit

%单个个体被选择的概率

fitvalue=cumsum(fitvalue)

%如

fitvalue=[1

2

3

4]，则

cumsum(fitvalue)=[1

3

6

10]

[px,py]=size(pop)

ms=sort(rand(px,1))

%从小到大排列

fitin=1

newin=1

while

newin<=px

if(ms(newin))

评论

0

0

加载更多

在VRP问题中，假设有一个供求关系系统，车辆从仓库取货，配送到若干个顾客处。车辆受到载重量的约束，需要组织适当的行车路线，在顾客的需求得到满足的基础上，使代价函数最小。代价函数根据问题不同而不同，常见的有车辆总运行时间最小，车辆总运行路径最短等。

这个问题基于以下假设：

定义 为需要服务的两个顾客编号， 为配送中心的车辆编号， 为顾客和仓库的集合。

参数：

: 从顾客 到顾客 的行驶距离

：顾客 的需求量

：车辆的最大载重量

决策变量：

：当车辆 被分配从顾客 运行到顾客 时，取1；否则取0

在给定了参数和定义了决策变量之后，VRP问题可以用数学模型表示为：

给定车辆负载为400，各个节点的坐标和需求如下(节点0为配送中心)：

对于个体采用自然数编码，0代表配送中心，1--n代表顾客；不同车辆的配送路线之间用0分隔（即每辆车都从仓库出发）；对于灶碧有n个顾客，k辆车的VRP问题来说，染色体长度为n+k+1。

例如配送中心有3辆车为8个客户服务，一条可能的染色体如下：

0, 7, 0, 1, 2, 3, 5, 0, 8, 4, 6, 0

这条染色体表示的三辆车的行驶路线为:

第一辆兄让车：0-7-0

第二辆车：0-1-2-3-5-0

第三辆车：0-8-4-6-0

利用分割符0，还原各条子路径

参考了大连海事大学硕隐尘举士学位论文《基于电动汽车的带时间窗的路径优化问题研究》中的交叉 *** 作，生成新的个体，具体描述如下图：

用2-opt算法对各条子路径进行局部优化

输出计算结果：

迭代过程如下图所示：

总共使用了4辆车，各自的行驶路径如下：

---