【路径规划】基于遗传算法求解多中心带时间窗车辆路径规划问题（VRPTW）matlab代码
1 简介在分析时间窗的惩罚函数基础上,建立了带有时间窗的多配送中心车辆调度模型,针对模型设计了两阶段求解算法,先通过扫描算法把客户化分到不同的配送中心负责配送,然后采用遗传算法求解带有时间窗的多配送中心的车辆调度模型,最后,结合算例仿真计算验证了算法的有效性.现有的区域内多配送中心配送多采用分区域独立配送模式多个配送中心虽同属于一家企业但一般情况下企业会根据行政区划为每个配送中心划分一个业务范围各配送中心间相对独立在分区域独立配送模式下一个客户会固定从属于某一特定配送中心而不会根据客户的地理分布和需求特性进行调整易导致各配送中心间任务分配不均从理论研究 的 角 度 来 看此 类 求 解 的 方 法 是“先分组后路径”即分区域规划思想将各配送中心割裂开来分区的结果会直接影响区内路径的规划结果不合理的分区算法常常会导致较差的路径规划为避免此 类 问 题 的 出 现本 文 采 用 整 体 配 送 模式引入一个与所有的实际配送中心相连且距离为的虚拟配送中心所有车辆均从该虚拟配送中 心出发经过实际配送中心对客户进行服务然后再经实际配送中心返回该虚拟配送中心。2 部分代码%% 最远插入启发式将最小插入目标距离增量最大的元素找出来%输入removed 被移出的顾客集合%输入rfvc 移出removed中的顾客后的final_vehicles_customer%输入L 集配中心时间窗%输入a 顾客时间窗%输入b 顾客时间窗%输入s 服务每个顾客的时间%输入dist 距离矩阵%输入demands 需求量%输入cap 最大载重量%输出fv 将removed中所有元素 最佳插入后距离增量最大的元素%输出fviv 该元素所插入的车辆%输出fvip 该元素所插入的车辆的坐标%输出fvC 该元素插入最佳位置后的距离增量function [fv,fviv,fvip,fvC]farthestINS(removed,rfvc,L,a,b,s,dist,demands,cap )nrlength(removed); %被移出的顾客的数量outcomezeros(nr,3);for i1:nr%[车辆序号 插入点序号 距离增量][civ,cip,C] cheapestIP( removed(i),rfvc,L,a,b,s,dist,demands,cap);outcome(i,1)civ;outcome(i,2)cip;outcome(i,3)C;end[mc,mc_index]max(outcome(:,3));tempoutcome(mc_index,:);fvivtemp(1,1);fviptemp(1,2);fvCtemp(1,3);fvremoved(mc_index);end3 仿真结果4 参考文献[1]仪孝展. 基于改进遗传算法的物流车辆路径规划方法研究与应用. Diss. 西安理工大学.
