VRP using GA methods用遗传算法解决VRP问题

function [ FitnessVal , sol ] =MyCost( x , model) %UNTITLED6 Summary of this function goes here % Detailed explanation goes here % clc,clear , close all % [ model ] = CreatModel( ) ; % % % % % % rand( 'seed' , 11010 ); % % % % % % % % x= rand( 1, model.nVar ); % load('mydata.mat') %% % 小数编码转化为整数编码 [~, x ] = sort( x ); % 确定 分隔符位置 DelPos=find( x > model.NumClient ); From=[0 DelPos]+1; To=[DelPos model.nVar+1 ]-1; % 线路分割 t=1; for j=1: model.K if ~numel( x(From(j):To(j)) ) continue; end L{ t, 1}=x(From(j):To(j)); t=t+1; end Num_Route = numel(L ); % 总的线路数目 % if Num_Route == model.M1 % disp('succeed ') % end %% 每条线路目标函数值计算 empty_rourte.ClientSequence = [ ]; % 每条线路的 客户序列 empty_rourte.Client_Num = [ ]; % 每条线路的 客户数目 empty_rourte.LoadVal = [ ] ; % 每条线路 总装载量 empty_rourte.LoadValidation =[ ]; %每条线路 总装载量 的超载量 empty_rourte.FixedCost = [ ] ; % 每条线路的 固定成本 （即 TC1） empty_rourte.TravelingTimeSum = [ ]; % 每条线路的 总的 行驶时间 empty_rourte.CijSum = [ ] ; % 每条线路的 总的 行驶费用 （即 TC2） empty_rourte.TC3 = [ ] ; % 制冷成本 TC3 empty_rourte.TC4= [ ] ; % 制冷成本 TC4 货损成本 Schedule =repmat(empty_rourte , Num_Route ,1); ArrivalDeparturetime = zeros( model.NumClient , 2) ; % 两列 ： 到达每个客户的时间 和 离开每个客户的时间 for route_index =1 : Num_Route temp = L{ route_index } ; % 每条线路的 客户序列 和 客户数目 Schedule( route_index ).ClientSequence = temp ; Schedule( route_index ).Client_Num = numel( temp ) ; % 每条线路 总装载量 和 超载量 Schedule( route_index ).LoadVal = sum( model.Demand( temp ) ) ; Schedule( route_index ).LoadValidation = max( 0, Schedule( route_index ).LoadVal-model.Q ) ; % 每条线路的 固定成本 TC1 Schedule( route_index ).FixedCost = model.gk ; % TC2 和 到达每个客户点的时间 计算 % 到达第一个 客户点 Leav_time = model.StartTime ; % 离开时间 D_length = model.D_Center2Client( temp( 1 ) ) ; % 需要跑过的 路段的长度 VelocitySet = [ model.Velocity(1).Center2Client( temp( 1 ) ) ; model.Velocity( 2 ).Center2Client( temp( 1 ) ) ; model.Velocity( 3 ).Center2Client( temp( 1 ) ) ; ] ; % 该路段在各个时间对应的 速度取值 [ ArriTime , TravellingTime , Cost ] =ArcProcess( Leav_time , D_length , VelocitySet , model ) ; Schedule( route_index ).TravelingTimeSum = TravellingTime ; Schedule( route_index ).CijSum = Cost ; ArrivalDeparturetime( temp( 1 ) , 1 ) = ArriTime ; ArrivalDeparturetime( temp( 1 ) , 2 ) = ArrivalDeparturetime( temp( 1 ) , 1 ) + model.ServiceTime( temp( 1 ) ) ; % 到达后续客户点 for j = 2: numel( temp ) Leav_time = ArrivalDeparturetime( temp( j-1 ) , 2 ) ; % 离开时间 D_length = model.D_Center2Client( temp( j ) ) ; % 需要跑过的 路段的长度 VelocitySet = [ model.Velocity( 1 ).Client2Client( temp( j-1 ) , temp( j ) ) ; model.Velocity( 2 ).Client2Client( temp( j-1 ) , temp( j ) ) ; model.Velocity( 3 ).Client2Client( temp( j-1 ) , temp( j ) ) ; ] ; % 该路段在各个时间对应的 速度取值 [ ArriTime , TravellingTime , Cost ] =ArcProcess( Leav_time , D_length , VelocitySet , model ) ; Schedule( route_index ).TravelingTimeSum = Schedule( route_index ).TravelingTimeSum + TravellingTime ; Schedule( route_index ).CijSum = Schedule( route_index ).CijSum + Cost ; ArrivalDeparturetime( temp( j ) , 1 ) = ArriTime ; ArrivalDeparturetime( temp( j ) , 2 ) = ArrivalDeparturetime( temp( j ) , 1 ) + model.ServiceTime( temp( j ) ) ; end % 返回 配送中心 Leav_time = ArrivalDeparturetime( temp(end ) , 2 ) ; % 离开时间 D_length = model.D_Center2Client( temp( end ) ) ; % 需要跑过的 路段的长度 VelocitySet = [ model.Velocity(1).Center2Client( temp( end ) ) ; model.Velocity( 2 ).Center2Client( temp( end ) ) ; model.Velocity( 3 ).Center2Client( temp( end ) ) ; ] ; % 该路段在各个时间对应的 速度取值 [ ~ , TravellingTime , Cost ] =ArcProcess( Leav_time , D_length , VelocitySet , model ) ; Schedule( route_index ).TravelingTimeSum = Schedule( route_index ).TravelingTimeSum + TravellingTime ; Schedule( route_index ).CijSum = Schedule( route_index ).CijSum + Cost ; % 制冷成本 TC3 Schedule( route_index ).TC3 = model.PL *( model.EC1 * Schedule( route_index ).TravelingTimeSum + ... model.EC2 * sum( model.ServiceTime( temp ) ) ) ; % 制冷成本 TC4 货损成本 timeval = ArrivalDeparturetime( temp , 2 ) - model.StartTime ; Schedule( route_index ).TC4 = model.P* sum( model.Demand( temp ).*( 1- model.T4_K * exp( - model.epsilon * timeval ) ) ) ; end %% 计算每个客户点的满意度 Satisfaction = zeros( model.NumClient , 1 ) ; for ind = 1 : model.NumClient timeval = ArrivalDeparturetime( ind , 1 ) ; if timeval<= model.eei( ind ) | timeval>= model.lli( ind ) continue ; end if timeval>= model.ei( ind ) && timeval<= model.li( ind ) Satisfaction( ind ) =1 ; continue ; end if timeval > model.eei( ind ) && timeval< model.ei( ind ) Satisfaction( ind ) = ( ( timeval - model.eei( ind ) ) /( model.ei( ind ) - model.eei( ind ) ) )^model.alpha ; continue ; end if timeval > model.li( ind ) && timeval< model.lli( ind ) Satisfaction( ind ) = ( ( model.lli( ind ) - timeval ) /( model.lli( ind ) - model.li( ind ) ) )^model.beta ; continue ; end end %% 目标函数值和适应度值 计算 Objective = sum( [Schedule.FixedCost ] ) + ... sum( [ Schedule.CijSum ] ) + ... sum( [ Schedule.TC3 ] ) + ... sum( [ Schedule.TC4 ] ) ; % TC1 TC2 TC3 TC4 FitnessVal = Objective + ... model.Penaltycof1 * sum( [Schedule.LoadValidation] ) + ... % 质量超载 惩罚 model.Penaltycof2 * max( 0 , model.Min_Satisfaction-min( Satisfaction ) ) ; % 质量超载惩罚 sol.FitnessVal = FitnessVal ; % 适应度值 sol.Objective = Objective ; % 目标函数值 sol.Schedule = Schedule ; % 调度方案具体情况 sol.IsFeasible = ( FitnessVal == Objective ) ; % 表示解是否为可行解 sol.Min_SatisfactionVal = min( Satisfaction ) ; % 所有客户的满意度水平 中的最小值 sol.Satisfaction = Satisfaction ; % 各个客户的满意度水平 sol.ArrivalDeparturetime =ArrivalDeparturetime ; % 两列 ： 到达每个客户的时间 和 离开每个客户的时间