【路径规划】遗传算法之多物流中心的开放式车辆路径规划【Matlab 013期】

一、背景

拥有多个物流中心。
车辆从某一个物流中心出发，完成配送任务后，可以不回到原来出发的物流中心，返回距离最近的物流中心，即开放式车辆路径。当然，根据车辆服务最后一个客户与所有物流中心的距离，如果与原来出发的物流中心是最短距离，也可以返回原来出发的物流中心。
优化目标：车辆固定使用成本（200元/辆）、车辆行驶时间成本（0.3元/分钟）、车辆等待时间成本（0.3元/分钟）、车辆服务时间（0.3元/分钟）成本之和最小。
约束条件：（1）不超过车辆容量限制（车辆容量为1000单位），（2）服务必须在客户时间窗内进行，（3）车辆可以提前到达客户，产生等待时间。（4）设定车辆从物流中心的出发时间为0时刻，即第0分钟。
二、源代码

function [] =opengamainforfzh20200706()
close all
clear all
tic%开始计时。
%%%% 数据读取
[data1,data2,data3,data4,data5,data6,data7]=textread('depot2.txt','%n%n%n%n%n%n%n','delimiter', ',','headerlines', 1);% 中心
datazx=[data1 data2 data3 data4 data5 data6 data7]; % 中心数据读取
%%%%%%%%%
[data1,data2,data3,data4,data5,data6,data7]=textread('RC201.txt','%n%n%n%n%n%n%n','delimiter', ',','headerlines', 1);
data=[data1 data2 data3 data4 data5 data6 data7];
wjchangdu=size(data,1);%%调用文件的长度
%把个客户的服务时间修改为5分钟
% for gg=2:wjchangdu
%     data(gg,7)=5;
% end
% data;
%%%%%%%%%%%%%
Gmax=1000;% 迭代次数
Size=200;% 规模
Pm=0.03;% 变异概率
Pc=0.85;% 交叉概率
maxQ=1000;% 载货量
sudu=60/60;% 车辆速度 km/min
fy=0.3;% 单位费用
cb=200;% 固定成本
khNum=length(data(:,1));% 客户数量
zxNum=length(datazx(:,1));% 中心数量
cheNum=khNum;% 车辆最多数量 =客户数量
CodeL=khNum*2;% 编码个数=先后顺序+中心分配  分配采用整数代码 1是属于1 2 属于2
juli=zeros(khNum+1,khNum+1);% 距离矩阵计算
for i=1:khNum % 客户之间的距离
    for j=i+1:khNum
        juli(i,j)=(sum((data(i,2:3)-data(j,2:3)).^2))^0.5;% 距离
        juli(j,i)=juli(i,j);% 对称
    end
end
 
for i=1:zxNum
    for j=1:khNum
        julizx(i,j)=(sum((datazx(i,2:3)-data(j,2:3)).^2))^0.5;% 到中心距离
        
    end
end
 
for i=1 :Size
    Pop(i,:)= [randperm(CodeL/2) ceil(rand(1,CodeL/2)*zxNum)];% 初始化 前面是顺序 后面是隶属关系
    
end
 
for kg=1:Gmax % 开始循环
    disp(['正在进行遗传算法第' num2str(kg) '次优化'])
    
    for i=1:Size % 对每个个体进行操作
        % 计算目标函数
        fi=fical(Pop(i,:),CodeL,data,juli,maxQ,sudu,fy,cb,julizx ,zxNum);  %   调用目标
        fit(1,i)=1/fi;% 适应度=目标函数倒数
    end
    
    [Val,Ind]=max(fit);% 找出最大数值及其位置
    gBestf=Val;% 全局最优
    gBestS=Pop(Ind,:);% 全局最优个体
    
    % 选择
    ga_chose(Pop,fit,Size);
    
    % 交叉操作
    Pop=ga_cross(Pop,Size,CodeL,Pc);
    
    %   变异操作
    Pop=ga_mutation(Pop,Size,CodeL,Pm) ;
    
    Bestfi(kg)=gBestf;% 最优目标函数保存 以便画图用
    
    Pop(Size,:)=gBestS;% 精英保留策略
    
end
 
[mb,AP,zsj,zjl,waitingtime,qi]=fical(gBestS,CodeL,data,juli,maxQ,sudu,fy,cb,julizx ,zxNum); % 最优计算
 
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
figure('color',[1 1 1])% 收敛曲线
plot(1./Bestfi)
xlabel('进化代数')
ylabel('目标函数')
 
figure('color',[1 1 1])% 收敛曲线
hold on
[val,ind]=sort(AP(:,2));% 安排的序号
plot(AP(ind,3));% 到达时间曲线绘制
plot(data(1:end,5),'r--')% 时间窗开始
plot(data(1:end,6),'r:')% 时间窗结束
xlabel('客户序号')
ylabel('时间/min')
legend('开始服务时间','最早要求时间','最晚要求时间')
 
yanse={
    
    'r','b','m'};
for i1=1:max(AP(:,5))% 每一个中心
    ind1=find(AP(:,5)==i1);% 当前中心
    
    for i=1:max(AP(ind1,1))% 每一个安排车辆的路径
        figure('color',[1 1 1])
        hold on
        % 配送中心
        for  j=1:zxNum
            scatter(datazx(j,2),datazx(j,3),'b*')% 每个中心坐标
            text(datazx(j,2),datazx(j,3),[ '配送中心' num2str(datazx(j,1))])% 序号标注
        end
        
        for j=1:khNum
            scatter(data(j,2),data(j,3),'bo')% 每个客户坐标
            text(data(j,2),data(j,3),num2str(data(j,1)))% 序号标注
        end
        ind=find(AP(ind1,1)==i);% 当前车辆
        lj=[AP(ind1(ind),2)];%
        ind3=find(qi(:,1)==i1 & qi(:,2)==i);
        
        %             plot([datazx(i1,2);data(lj,2)],[datazx(i1,3);data(lj,3)],'r')% 路径绘制
        
        plot([datazx(i1,2);data(lj,2);datazx(qi(ind3,3),2)],[datazx(i1,3);data(lj,3);datazx(qi(ind3,3),3)],'r')% 路径绘制
        %         end
        xlabel('x')% 横坐标
        ylabel('y')% 纵坐标
        title(['中心' num2str(i1) '  车辆 ' num2str(i) ' 的路径为 ' num2str(lj')])% 路径标题标注
        
    end
end
 
figure('color',[1 1 1])
hold on
% 配送中心
for  j=1:zxNum
    scatter(datazx(j,2),datazx(j,3),'b*')% 每个中心坐标
    text(datazx(j,2),datazx(j,3),[ '配送中心' num2str(datazx(j,1))])% 序号标注
end
 
for j=1:khNum
    scatter(data(j,2),data(j,3),'bo')% 每个客户坐标
    text(data(j,2),data(j,3),num2str(data(j,1)))% 序号标注
end
 
for i1=1:max(AP(:,5))% 每一个中心
    ind1=find(AP(:,5)==i1);% 当前中心
    disp(['中心' num2str(i1) '路径安排： '])
    for i=1:max(AP(ind1,1))% 每一个安排车辆的路径
        ind=find(AP(ind1,1)==i);% 当前车辆
        lj=[ AP(ind1(ind),2)];% 加上起点终点
        ind3=find(qi(:,1)==i1 & qi(:,2)==i);
        
        disp(['    车辆 ' num2str(i) ' 路径安排： ' num2str([i1+khNum lj'   qi(ind3,3)+khNum]) ])
        plot([datazx(i1,2);data(lj,2);datazx(i1,2)],[datazx(i1,3);data(lj,3);datazx(qi(ind3,3),3)],'r')% 路径绘制
        
    end
end
 
xlabel('x')% 横坐标
ylabel('y')% 纵坐标
title( '车辆总路线图')  % 路径标题标注
 
toc
disp(['最优总成本为： '  num2str(1./Bestfi(end))    ', 车辆总数量为：'   num2str(length(qi(:,1)))  ', 车辆总行驶距离：'  num2str(zjl) ', 车辆总使用时间：' num2str(zsj)  ', 总等待时间 ：' num2str(waitingtime)])
end

三、运行结果

四、备注

完整代码或者代写添加QQ912100926
往期回顾>>>>>>
【路径规划】粒子群优化算法之三维无人机路径规划【Matlab 012期】