【VRP问题】基于遗传算法求解带时间窗车辆路径规划问题（GA-VRPTW）附matlab代码

作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

有时间窗的车辆路径问题(Vehicle Routing Problem with Time Windows,VRPTW)因为其有重要的现实意义而备受关注.其时间窗即为客户接受服务的时间范围,该问题是运筹学和组合优化领域中的著名NP问题,是解决物流配送效率的关键,传统寻优方法效率低,耗时长,找不到满意解,往往导致物流成本过高.为了提高寻优效率,降低物流运送成本,基本遗传算法求解VRPTW问题.首先建立数学模型,然后基于大规模邻域搜索算法(LNS)生成遗传算法初始解,最后利用遗传算法在初始种群中找到最优解.计算结果表明,遗传算法可以更好求解车辆路径问题,有效降低物流成本.

⛄ 部分代码

%

function relatedness_ij = Relatedness(i, j, dist, vehicles_customer)

   % n = size(dist, 1) - 1; % number of customer

   NV = size(vehicles_customer, 1); % number of vehicles

   d = dist(i + 1, j + 1);

   [md, ~] = max((dist(i + 1, 2 : end)));

   c = d / md; % distannce / max_distance

   V = 1; % not in the same route

   for k = 1 : NV

       route = vehicles_customer{k}; % all customers in Kth route

       findi = find(route == i, 1, 'first'); % return the position of customer if he is on this route

       findj = find(route == j, 1, 'first'); %

       % if i and j are on the same route, v = 0

       if ~isempty(findi) && ~isempty(findj)

           V = 0;

       end

   end

   % relatedness is relative to the distance between 2 points and whether

   % they are on the same route

   relatedness_ij = 1 / (c + V);

end

⛄ 运行结果

⛄ 参考文献

[1]张露. (2020). 基于改进遗传算法求解带时间窗车辆路径规划问题. 中国物流与采购(14).

⛄ 完整代码

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料