基于改进遗传算法的卡车和两架无人机旅行推销员问题(D2TSP)(Matlab代码实现)

简介: 基于改进遗传算法的卡车和两架无人机旅行推销员问题(D2TSP)(Matlab代码实现)

1 概述

 本文为解决卡车和两个无人机旅行推销员的问题,表示为串联团队,无人机提供最后一英里的努力。使用遗传算法(路由突变)来解决问题。该问题可以解决随机生成坐标的100个城市的D2TSP。该解决方案基于最小化时间而不是距离。最短时间计算基于卡车或无人机在操作中交付的最长时间。操作表示为无人机(或两者)发射、发送交付然后在会合位置恢复的节点或停靠点。每架无人机都受到航程和容量的限制。因此,操作中的停靠范围和停靠次数受到无人机约束的限制。


2 运行结果

部分代码:

% Sanity Checks
    popSize     = max(12,12*ceil(popSize(1)/12));
    numIter     = max(1,round(real(numIter(1))));
    showProg    = logical(showProg(1));
    showResult  = logical(showResult(1));
    showWaitbar = logical(showWaitbar(1));
    % Initialize the Populations
    popRoute = zeros(popSize,n); %routes        
    popTrk   = zeros(popSize,n); %truck route
    popDrn   = zeros(popSize,n); %drone route
    popDrn2   = zeros(popSize,n); %drone 2 route
    popOps   = zeros(popSize,n); %operations drone 1
    popRoute(1,:) = (1:n);
    rp =popRoute(1,:);
    %[rp, optr, oppr, opdr] = map_cir2(rp) ;  
    [rp, optr, oppr, opdr, opdr2] = map_cir2(rp);
    popRoute(1,:) = map_cir( rp);   
    popTrk(1,:)   = optr;    
    popDrn(1,:)   = opdr; 
    popDrn2(1,:)  = opdr2;
    popOps(1,:)   = oppr;
    for k = 2:popSize
        [op, tr, dr, dr2]  = rand_ops_d_o();
       % op=oppr; tr=optr; dr=opdr; dr2=opdr2;
        popRoute(k,:) = randperm(n);
         if mod(k,2)==0    % swap
            r = sort([randi(n) randi(n)]);
            r1=r(1); r2=r(2);
            popRoute(k,:)= popRoute(1,:);
            popRoute(k,[r1 r2]) = popRoute(k,[r2 r1]); 
        elseif mod(k,3)==0 % flip
            r = sort([randi(n) randi(n)]);
            r1=r(1); r2=r(2);
            popRoute(k,:)= popRoute(1,:);
            popRoute(k,r1:r2) = popRoute(k,r2:-1:r1); 
        elseif mod(k,4)==0% swap, flip
            r = sort([randi(n) randi(n)]);
            r1=r(1); r2=r(2);
            popRoute(k,:)= popRoute(1,:);
            popRoute(k,[r1 r2]) = popRoute(k,[r2 r1]);
            popRoute(k,r1:r2)   = popRoute(k,r2:-1:r1);
        else
            r = sort([randi(n) randi(n)]);
            r1=r(1); r2=r(2);
            popRoute(k,:)= popRoute(1,:);
            popRoute(k,[r1 r2]) = popRoute(k,[r2 r1]);
           % popRoute(k,r1:r2)   = popRoute(k,r2:-1:r1);    
        end
        popTrk(k,:)   = tr;
        popOps(k,:)   = op;
        popDrn(k,:)   = dr;
        popDrn2(k,:)  = dr2;
    end
    % Run the GA
    globalMin   = Inf;
    totalDist    = zeros(1,popSize);
    totalTime    = zeros(1,popSize);              % total time for route
    totalEnergy  = zeros(1,popSize);              % total energy for route
    totalCost    = zeros(1,popSize);              % cost of route
    totalCostkm  = zeros(1,popSize);
    totalCosthr  = zeros(1,popSize);
    totalEnergyP = zeros(1,popSize);
    distHistory  = zeros(1,numIter);      
    timeHistory  = zeros(1,numIter);
    energyHistory= zeros(1,numIter);
    costHistory  = zeros(1,numIter);
    costkmHistory= zeros(1,numIter);
    costhrHistory= zeros(1,numIter);
    tmpPopRoute  = zeros(12,n);
    tmpPopTrks   = zeros(12,n);
    tmpPopOps    = zeros(12,n);
    tmpPopDrns   = zeros(12,n);
    tmpPopDrns2  = zeros(12,n);
    newPopRoute  = zeros(popSize,n);
    newPopTrks   = zeros(popSize,n);
    newPopOps    = zeros(popSize,n);
    newPopDrns   = zeros(popSize,n);
    newPopDrns2  = zeros(popSize,n);


3 参考文献

[1]黄书召,田军委,乔路,王沁,苏宇.基于改进遗传算法的无人机路径规划[J.计算机应用,2021,41(02):390-397.

4 Matlab代码实现

相关文章
|
8天前
|
存储 算法 调度
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
105 26
|
7天前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
|
4天前
|
机器学习/深度学习 人工智能 搜索推荐
从零构建短视频推荐系统:双塔算法架构解析与代码实现
短视频推荐看似“读心”,实则依赖双塔推荐系统:用户塔与物品塔分别将行为与内容编码为向量,通过相似度匹配实现精准推送。本文解析其架构原理、技术实现与工程挑战,揭秘抖音等平台如何用AI抓住你的注意力。
111 6
从零构建短视频推荐系统:双塔算法架构解析与代码实现
|
7天前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
87 14
|
8天前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
|
8天前
|
算法 数据可视化 异构计算
【车辆路径问题VRPTW】基于北极海鹦优化(APO)算法求解带时间窗的车辆路径问题VRPTW研究(Matlab代码实现)
【车辆路径问题VRPTW】基于北极海鹦优化(APO)算法求解带时间窗的车辆路径问题VRPTW研究(Matlab代码实现)
|
8天前
|
机器学习/深度学习 运维 算法
【复现】基于改进秃鹰算法的微电网群经济优化调度研究(Matlab代码实现)
【复现】基于改进秃鹰算法的微电网群经济优化调度研究(Matlab代码实现)
|
8天前
|
机器学习/深度学习 算法 安全
【无人机三维路径规划】基于非支配排序的鱼鹰优化算法NSOOA求解无人机三维路径规划研究(Matlab代码实现)
【无人机三维路径规划】基于非支配排序的鱼鹰优化算法NSOOA求解无人机三维路径规划研究(Matlab代码实现)
|
8天前
|
机器学习/深度学习 负载均衡 算法
【柔性作业车间调度】基于四种多目标优化算法(NSOOA、NSPSO、NSDBO、NSCOA)求解柔性作业车间调度问题FJSP研究(Matlab代码实现)
【柔性作业车间调度】基于四种多目标优化算法(NSOOA、NSPSO、NSDBO、NSCOA)求解柔性作业车间调度问题FJSP研究(Matlab代码实现)
|
9天前
|
算法 计算机视觉
【MPDR & SMI】失配广义夹角随输入信噪比变化趋势、输出信干噪比随输入信噪比变化趋势研究(Matlab代码实现)
【MPDR & SMI】失配广义夹角随输入信噪比变化趋势、输出信干噪比随输入信噪比变化趋势研究(Matlab代码实现)

热门文章

最新文章