VRP问题基于禁忌搜索求解带软时间窗的车辆路径规划TWVRP问题
Posted Matlab走起
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了VRP问题基于禁忌搜索求解带软时间窗的车辆路径规划TWVRP问题相关的知识,希望对你有一定的参考价值。
禁忌搜索算法简介
禁忌搜索算法(Tabu Search Algorithm,简称TS)起源于对于人类记忆功能的模仿,是一种亚启发式算法(meta-heuristics)。它从一个初始可行解(initial feasible solution)出发,试探一系列的特定搜索方向(移动),选择让特定的目标函数值提升最多的移动。为了避免陷入局部最优解,禁忌搜索对已经历过的搜索过程信息进行记录,从而指导下一步的搜索方向。
禁忌搜索是人工智能的一种体现,是局部搜索的一种扩展。禁忌搜索是在邻域搜索(local search)的基础上,通过设置禁忌表(tabu list)来禁忌一些曾经执行过的操作,并利用藐视准则来解禁一些优秀的解。
禁忌搜索算法求解VRPTW
对邻域搜索类算法而言,采取的搜索算子和评价函数至关重要。下面详细介绍代码中针对VRPTW的插入算子和评价函数。
插入算子:
评价函数:
算法概述
clear
clc
%% 用importdata这个函数来读取文件
c208=importdata('c208.txt');
cap=700; %车辆负荷
maxIter=300; %最大迭代次数
E=c208(1,5); %仓库时间窗开始时间
L=c208(1,6); %仓库时间窗结束时间
vertexs=c208(:,2:3); %所有点的坐标x和y
customer=vertexs(2:end,:); %顾客坐标
cusnum=size(customer,1); %顾客数
vecnum=cusnum; %车辆数
demands=c208(2:end,4); %需求量
a=c208(2:end,5); %顾客时间窗开始时间[a[i],b[i]]
b=c208(2:end,6); %顾客时间窗结束时间[a[i],b[i]]
s=c208(2:end,7); %客户点的服务时间
h=pdist(vertexs);
dist=squareform(h); %距离矩阵,满足三角关系,暂用距离表示花费c[i][j]=dist[i][j]
vehicles_customer=cell(vecnum,1); %每辆车所经过的顾客
%% CW法构造VRPTW初始解
%输出init_vc 每辆车所经过的顾客
%输出init_TD 所有车行驶的总距离
%输出init_vl 每辆车的装载量
%输出violate_INTW 判断是否违背时间窗约束,0代表不违背,1代表违背
[init_vc,init_TD,init_vl,violate_INTW] = init_TW(c208,L,demands,a,b,s,dist,cap);
%% 初始化各个车辆配送路线,每个安装场地由一辆车配送,有d2需求的安装场地在前面加上加工车间用0表示
% [ init_vc ] = init_route( vehicles_customer );
% init_TD=travel_distance(init_vc,dist);
S=init_vc; %当前解
eS=minLen(S); %当前解各路径中所经过的最少数目的顾客数
initNV=size(S,1); %所用车辆数目
Sbest=S; %全局最优解
% f=initNV*cusnum+eS;
% fBest=initNV*cusnum+eS;
f=initNV*cusnum+init_TD;
fBest=initNV*cusnum+init_TD;
TbList=zeros(cusnum,initNV); %禁忌表
TbLength=20; %禁忌长度
NS=neighborhood(S,L,cusnum,demands,a,b,s,dist,cap); %S的邻域
[subNS]=subNeighbor(TbList,NS,fBest); % non-tabu or allowed by aspiration
%% Tabu Search
iter=0;
count=0;
while iter<maxIter
if ~isempty(subNS)
[minValue,minIndex]=min(subNS(:,5)); %从邻域中找出车辆总行驶距离最小的行序号
value=subNS(minIndex,:); %提取最小行序号的这一行数组
i=value(1);
j=value(2);
k=value(3);
p=value(4);
fS=value(5);
[S_copy]=insert(S,i,j,k,p);
if fS<fBest
fBest=fS;
Sbest=S_copy;
S=S_copy;
NS=neighborhood(S_copy,L,cusnum,demands,a,b,s,dist,cap);
[subNS]=subNeighbor(TbList,NS,fBest);
%更新禁忌表
for l=1:cusnum
for h=1:initNV
if TbList(l,h)~=0
TbList(l,h)=TbList(l,h)-1;
end
end
end
if TbList(i,j)==0
TbList(i,j)=TbLength;
else
TbList(i,j)=0;
end
else
if TbList(i,j)==0
S=S_copy;
NS=neighborhood(S,L,cusnum,demands,a,b,s,dist,cap);
[subNS]=subNeighbor(TbList,NS,fBest);
% 更新禁忌表
for l=1:cusnum
for h=1:initNV
if TbList(l,h)~=0
TbList(l,h)=TbList(l,h)-1;
end
end
end
TbList(i,j)=TbLength;
end
end
else
break
end
iter=iter+1;
end
Sbest=deal_vehicles_customer(Sbest);
bestNV=size(Sbest,1);
bestTD=travel_distance(Sbest,dist);
DEL=Judge_Del(Sbest); % 检查最优解中是否存在元素丢失的情况
% 计算每辆车配送路线上在各个点开始服务的时间,还计算返回仓库时间
bsv= begin_s_v(Sbest,a,s,dist );
[ violate_TW ] = Judge_TW( Sbest,bsv,b,L ); % 判断是否违背时间窗约束,0代表不违背,1代表违背
完整代码添加QQ1575304183
以上是关于VRP问题基于禁忌搜索求解带软时间窗的车辆路径规划TWVRP问题的主要内容,如果未能解决你的问题,请参考以下文章
VRP问题基于节约算法CW求解带硬时间窗的车辆路径规划问题(VRPTW)
VRP问题基于节约算法CW求解带硬时间窗的车辆路径规划问题(VRPTW)
TWVRP基于matalb蚁群算法求解带时间窗的车辆路径规划问题含Matlab源码 1406期