基于matlab实现遗传算法求解VRP带时间窗(可以运行，参考).rar

function main() clear; clc; for xx=1:2 tic % 参数初始化 genmax=500; [xy,n,nind,D,Q,TT,ET,EL,ELL,CT,CL,dmax,qmax,fitmax,c0,c1,k,v]=datas(); %生成初试种群 chrom=initpop(nind,n,k); gen=1; while gen<=genmax %计算适应值矩阵 [fit,fitx]=fitness(D,Q,chrom,TT,ET,EL,CT,CL,dmax,qmax,fitmax,c0,c1,k,v,n,nind); %找出最优个体适应值 avefit(gen)=sum(fit)/nind;%平均适应值 [bestfitc,bestindex]=min(fit); bestindex=bestindex(1); bestfit(gen)=bestfitc;%最小适应值fit的集 bestpop(gen,:)=chrom(bestindex,:);%最优个体集 %选择 chrom=select(chrom,fitx); %交叉 chrom=crossover(chrom); %变异 chrom=mutate(chrom,avefit,gen); %精英策略 chrom(1,:)=bestpop(gen,:); gen=gen+1; end bestpop; y=bestfit;%各代最优适应值 %y1=avefit;%各代平均适应值 %找出最优的适应值、个体 [minbestfit,minindex]=min(bestfit);%取最优适应值的位置、最优适应值 minindex=minindex(1); %取最优个体 minbestpop=bestpop(minindex,:); %解码最优染色体 a=randperm(size(minbestpop,2)); a1=sort(a); a2=sort(minbestpop); a3=zeros(1,size(minbestpop,2)); for i=1:size(minbestpop,2) for j=1:size(minbestpop,2) if minbestpop(i)==a2(j); a3(i)=a1(j); a2(j)=0; break; end end end a3; for i=1:size(a3,2) if a3(i)>n a3(i)=1; end end a4=[1,a3,1]; %去重 for i=1:size(a4,2)-1 if a4(i)-a4(i+1)==0 a4(i)=0; end end ii=find(a4==0); a4(ii)=[]; a4; %最优方案 minbestpop1=a4; minbestfit;%最低适应值 %画线路 DrawPath(minbestpop1,xy); %迭代图 figure x=1:1:genmax; plot(x,y,'r--') %plot(x,y); hold on %plot(x,y1,'r--');%适应值平均数 title('遗传优化过程') xlabel('迭代次数') ylabel('最优适应值') axis([0,genmax,0,2000]) %输出最优解 disp('最优解为：'); N=size(minbestpop1,2); p=num2str(minbestpop1(1)); for i=2:N; p=[p,'->',num2str(minbestpop1(i))]; end disp(p); disp(['最优解为：',num2str(minbestpop1)]); disp(['最优成本为：',num2str(minbestfit)]); s=0; r=minbestpop1; for i=1:size(r,2)-1 s=s+D(r(i),r(i+1)); end disp(['行驶里程：',num2str(s)]); toc end