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

img

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:

img

评价函数:

img

img

算法概述

img

img

 

 
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

禁忌搜索算法求解带时间窗的车辆路径问题原理讲解

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

TWVRP基于matlab遗传算法求解带时间窗的外卖配送车辆路径规划问题含Matlab源码 1416期

TWVRP基于matlab遗传算法求解带时间窗的车辆路径规划问题含Matlab源码 002期