模型

配送网点包括：
自提柜——提供自提服务
联盟网点——提供送货上门或自提
在一个区域内有x个备选的用来提供两种服务的配送网点,已知备选共同配送网点的单日成本和可以提供的最大运营能力。有x个客户需求点,已知各个需求点的位置和需求量，并且每个需求点都存在【自提】和【送货上门】两种末端配送需求，
网点用s表示——数量x个
客户点用t表示——数量y个
L——网点类型，L={M,N},l=M,联盟网点 l=N自提柜
P——客户需求类型，P={m，n，o}p=m 送货上门 p=n 自提 p=o 既有送货又有自提
Csl——l类型网点S固定成本
qtp ——P类型客户点t的日均订单量
dl——L类型网点s的最小服务半径
Dl——L类型网点s的最大服务半径
dlst——L类型网点s到客户t的距离
λt——需要送货上门客户占比
1-λt——需要自提的客户占比
决策变量：
Xsl——0-1变量表示是否选择l类型网点作为配送网点
Ystlp——0-1变量表示l类型网点s是否为 p 类型客户提供服务

主程序展示

clear
clc
close all
tic
%% 用importdata这个函数来读取文件
% shuju=importdata('cc101.txt');
load('cc101');
shuju=c101;
% bl=importdata('103.txt');
bl=3;
cap=60;                                                        %车辆最大装载量
%% 提取数据信息E=shuju(1,5);                                                    %配送中心时间窗开始时间
L=shuju(1,6);                                                    %配送中心时间窗结束时间
zuobiao=shuju(:,2:3);                                       %所有点的坐标x和y
pszx=zuobiao(1:4,:);
customer=zuobiao(5:end,:);                                       %顾客坐标
cusnum=size(customer,1);                                         %顾客数
v_num=20;                                                        %车辆最多使用数目
demands=shuju(5:end,4);                                          %需求量
a=shuju(5:end,5);                                                %顾客时间窗开始时间[a[i],b[i]]
b=shuju(5:end,6);                                                %顾客时间窗结束时间[a[i],b[i]]
s=shuju(5:end,7);                                                %客户点的服务时间
h=pdist(zuobiao);
dist=squareform(h);
% dist=load('dist.mat');
% dist=struct2cell(dist);
% dist=cell2mat(dist);
dist=dist./1000;%距离矩阵，满足三角关系，暂用距离表示花费c[i][j]=dist[i][j]
%% 遗传算法参数设置
alpha=100000;                                                       %违反的容量约束的惩罚函数系数
belta=90;%违反时间窗约束的惩罚函数系数
belta2=60;
chesu=20;NIND=300;                                                       %种群大小
MAXGEN=10;                                                     %迭代次数
Pc=0.9;                                                         %交叉概率
Pm=0.05;                                                        %变异概率
GGAP=0.9;                                                       %代沟(Generation gap)
N=cusnum+v_num-1;                                %染色体长度=顾客数目+车辆最多使用数目-1
% N=cusnum;
%% 初始化种群
% init_vc=init(cusnum,a,demands,cap);
dpszx = struct('ps',[], 'Chrom',[]);
dpszx.Chrom=InitPopCW(NIND,N,cusnum,a,demands,cap);     %构造初始解
ps=pszxxz(dpszx.Chrom,cusnum);
%% 输出随机解的路线和总距离
disp('初始种群中的一个随机值:')[VC,NV,TD,violate_num,violate_cus]=decode(dpszx.Chrom(1,:),cusnum,cap,demands,a,b,L,s,dist,chesu,bl);
% [VC,NV]=cls(dpszx.Chrom(1,:),cusnum);% [~,~,bsv]=violateTW(VC,a,b,s,L,dist,chesu,bl);
% disp(['总距离：',num2str(TD)]);
disp(['车辆使用数目：',num2str(NV),'，车辆行驶总距离：',num2str(TD)]);
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~')
%% 优化
gen=1;
figure;
hold on;box on
xlim([0,MAXGEN])
title('优化过程')
xlabel('代数')
ylabel('最优值')
ObjV=calObj(dpszx.Chrom,cusnum,cap,demands,a,b,L,s,dist,alpha,belta,belta2,chesu,bl,ps);             %计算种群目标函数值
preObjV=min(ObjV);
%%
while gen<=MAXGEN%% 计算适应度ObjV=calObj(dpszx.Chrom,cusnum,cap,demands,a,b,L,s,dist,alpha,belta,belta2,chesu,bl,ps);             %计算种群目标函数值line([gen-1,gen],[preObjV,min(ObjV)]);pause(0.0001)%画图 最优函数preObjV=min(ObjV);FitnV=Fitness(ObjV);%% 选择[SelCh,psc]=Select(dpszx.Chrom,FitnV,GGAP,ps);%% OX交叉操作[SelCh,psc]=Recombin(SelCh,Pc,psc,cusnum);%% 变异[SelCh,psc]=Mutate(SelCh,Pm,psc,cusnum);%% 重插入子代的新种群[dpszx.Chrom,ps]=Reins(dpszx.Chrom,SelCh,ObjV,psc,ps);%% 打印当前最优解ObjV=calObj(dpszx.Chrom,cusnum,cap,demands,a,b,L,s,dist,alpha,belta,belta2,chesu,bl,ps);             %计算种群目标函数值[minObjV,minInd]=min(ObjV);disp(['第',num2str(gen),'代最优解:'])[bestVC,bestNV,bestTD,best_vionum,best_viocus]=decode(dpszx.Chrom(minInd(1),:),cusnum,cap,demands,a,b,L,s,dist,chesu,bl);disp(['车辆使用数目：',num2str(bestNV),'，车辆行驶总距离：',num2str(bestTD)]);fprintf('\n')%% 更新迭代次数gen=gen+1 ;
end
%% 画出最优解的路线图
ObjV=calObj(dpszx.Chrom,cusnum,cap,demands,a,b,L,s,dist,alpha,belta,belta2,chesu,bl,ps);             %计算种群目标函数值
[minObjV,minInd]=min(ObjV);
%% 输出最优解的路线和总距离
disp('最优解:')
bestChrom=dpszx.Chrom(minInd(1),:);
bestps=ps(minInd(1),:);
[bestVC,bestNV,bestTD,best_vionum,best_viocus]=decode(bestChrom,cusnum,cap,demands,a,b,L,s,dist,chesu,bl);
disp(['车辆使用数目：',num2str(bestNV),'，车辆行驶总距离：',num2str(bestTD)]);
disp('-------------------------------------------------------------')
% [cost]=costFuction(bestVC,a,b,s,L,dist,demands,cap,alpha,belta,belta2,chesu,bl,);
%% 画出最终路线图
draw_Best(bestVC,zuobiao,bestps);
% save c101.mat
% toc

选址点1：1->29->28->27->26->25->24->23->22->21->20->1
选址点2：4->33->43->41->40->39->38->37->36->35->34->32->4
选址点3：2->48->62->60->58->56->55->54->53->52->51->50->49->47->76->75->74->73->72->71->70->69->2
选址点4：4->78->90->85->84->83->82->81->80->79->77->4
选址点5：1->92->100->105->108->107->106->104->103->101->2->14->13->12->59->99->86->57->97->96->95->93->9->8->7->5->4->3->1->91->89->88->87->1
选址点6：1->16->11->10->94->1
选址点7：1->19->18->17->15->31->30->46->98->102->6->65->64->63->61->67->68->66->45->44->42->1

最开始的点为选择的配送中心（代码中一共四个备选中心）

如需帮助
VX：zhangshu2274

matlab遗传算法选址（多约束条件）相关推荐

基于Matlab遗传算法工具箱解决物流中心选址
目录 1.问题 2.建模 3.Matlab编程.求解 1.问题物流配送中6个客户的位置坐标和配数数量如表1所示,如何设置物流配数中心使得配送量最小. 2.建模 3.Matlab编程.求解编写目标函 ...
MATLAB遗传算法求解超市物流配送选址问题实例
遗传算法编程问题实例: MATLAB遗传算法求解超市物流配送中心选址问题代码实例添加链接描述在范围为(0,0)到(100,100)的矩形区域内,散布着40个连锁超市,各个连锁超市的坐标及需求量见表 ...
MATLAB遗传算法求解物流配送中心选址问题优化代码实例
1.简介物流分配中心选址问题是指一定数量的客户,它们有不同数量的货物需求,有一定数量的备选中心作为配送中心.配送中心向客户提供货物的配送服务,现需要选择合适的配送中心位置(选址数量一定)或合适的配送 ...
遗传算法 gui matlab,用matlab遗传算法工具gui优化轴承
用matlab遗传算法工具gui优化轴承设计变量滚珠数目 Z=23 滚珠直径 Db 为变量 1,即 x(1) 节圆直径 dm 为变量 2,即 x(2)fi, fo 分别为轴承内外滚道曲率半径系数 f ...
2021-05-11 Matlab遗传算法工具箱的使用及实例(非线性规划)
Matlab遗传算法工具箱的使用及实例(非线性规划) 本文将介绍MATLAB遗传算法工具箱求解非线性规划问题.在阅读本文之前,建议读者阅读上一期"MATLAB遗传算法工具箱求解线性规划问题& ...
MATLAB遗传算法工具箱的使用及实例(线性规划)
一.引言在使用遗传算法(Genetic Algorithm,GA)之前,你得了解遗传算法是干什么的.遗传算法一般用于求解优化问题.遗传算法最早是由美国的 John holland于20世纪70年代提 ...
MATLAB遗传算法工具箱的使用及实例(非线性规划)
本文将介绍MATLAB遗传算法工具箱求解非线性规划问题.在阅读本文之前,建议读者阅读上一期"MATLAB遗传算法工具箱求解线性规划问题".文章传送门:https://blog.cs ...
c遗传算法的终止条件一般_Matlab2 ：Matlab遗传算法(GA)优4~-r-具箱是基于基本操作联合开发网 - pudn.com...
Matlab2 所属分类:matlab例程开发工具:PDF 文件大小:115KB 下载次数:76 上传日期:2007-09-07 20:04:29 上传者:钱广说明: :Matlab遗传算法 ...
matlab bs2rv.m,matlab遗传算法工具箱中的例子不能用？
matlab遗传算法工具箱中的例子不能用,我也发现了,求助 figure(1); fplot('variable.*sin(10*pi*variable)+2.0',[-1,2]); %画出函数曲 ...
【生产优化】基于matlab遗传算法求解帐篷工序问题【含Matlab源码 2145期】
⛄一.获取代码方式获取代码方式1: 完整代码已上传我的资源: [生产优化]基于matlab遗传算法求解帐篷工序问题[含Matlab源码 2145期] 点击上面蓝色字体,直接付费下载,即可. 获取代码 ...

matlab遗传算法选址（多约束条件）

模型

主程序展示

matlab遗传算法选址（多约束条件）相关推荐

最新文章

热门文章