VRP.zip_物流路径优化_蚁群 VRP_蚁群算法 物流_蚁群算法VRP_蚁群算法配送

%% %-------------------------------------------------------------------------- %%参数说明 %%G_K:各代最优车辆数目 %%G_best_route：各代最优路线 %%G_best_length：各代最优路线长度 %%K：最优车辆数目 %%best_route：最优路线 %%best_length：最优路线长度 %%length_ave：各代平均长度 %%C：DC和工厂的坐标 %%NC_max：最大迭代次数 %%m：蚂蚁数目 %%Alpha：重要度系数 %%Beta：能见度系数 %%Rho：挥发度系数 %%Q：信息更新参数 %%W:车辆载重量 %% %%第一步 初始化变量和系数 m=16;Alpha=1;Beta=2;gama=2;Rho=0.3;NC_max=200;Q=100;W=8;qq=0.05; C=[0 0 1 2 2 0 4 1 3 4 5 3 0 6 1 -2 6 1 5 -3 0 -4 3 -5 -2 -6 -4 -5 -3 -3 -4 -2 -5 3 -1 3 -4 4 -2 -1]; t=[0 1.3 1.8 1 1.7 1.5 1.2 2.5 2.7 1.7 0.6 0.2 2.4 1.9 2.0 0.7 0.5 2.2 3.1 1.0]; %构造仓库和工厂等之间的距离矩阵 n=size(C,1);%n表示问题的规模（城市个数） D=zeros(n,n);%D表示完全图的赋权邻接矩阵 for i=1:n for j=1:n if i~=j D(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5; else D(i,j)=eps; end D(j,i)=D(i,j); end end %构造节省量矩阵 U=zeros(n,n);%U表示工厂之间的连接和其与仓库之间连接能节省的距离 for i=1:n for j=1:n if i~=j U(i,j)=D(i,1)+D(j,1)-D(i,j); else U(i,j)=eps; end U(j,i)=U(i,j); end end load_w=0; Eta=1./D;%Eta为启发因子，这里设为距离的倒数 Tau=ones(n,n);%Tau为信息素矩阵 Tabu=zeros(m,n+20);%存储并记录路径的生成 NC=1;%迭代计数器 G_best_route=[NC_max,n+20];%各代最佳路线 G_best_length=inf.*ones(NC_max,1);%各代最佳路线的长度 length_ave=zeros(NC_max,1);%各代路线的平均长度 %%第二步，把蚂蚁放到DC内 while NC<=NC_max%停止条件之一：达到最大迭代次数 Tabu(:,1)=randint(m,1,[1,1]); %%第三步，m只蚂蚁按照要求的方法选择工厂，并完成周游 for i=1:m visited=Tabu(i,:); visited=visited(visited>0); to_visit=setdiff(1:n,visited); c_temp=length(to_visit); j=1; while j<=n if ~isempty(to_visit) %visit_thisant=[]; %while to_visit~=[1] %for ee=1:(2*c_temp) %while c_temp>=2 %if length(to_visit)>1 %visited=Tabu(i,:); %to_visit=setdiff(1:n,visited); %to_visit=[1,to_visit]; %c_temp=length(to_visit); %visit_thisant=[]; % if c_temp~=1 %for b=1:c_temp %if (load_w+t(to_visit(b)))<=W %visit_thisant=[visit_thisant,to_visit(b)]; %end %end %jj=visited(visited>0); %% 按照规则选下一个工厂或者是回到仓库 %for k=1:length(visit_thisant) for k=1:length(to_visit) x(k)=(Tau(visited(end),to_visit(k))^Alpha)*(Eta(visited(end),to_visit(k))^Beta)*(U(visited(end),to_visit(k))^gama); end ww=rand; if ww<qq Select=find(max(x)); %Tabu(i,length(visited(visited>0))+1)=to_visit(Select(1)); else x=x/(sum(x)); %按概率原则选取下一个城市 xcum=cumsum(x); Select=find(xcum>=rand); %Tabu(i,length(visited(visited>0))+1)=to_visi(Select(1)); end if isempty(Select) Select=1; load_w=load_w+t(Select); else load_w=load_w+t(to_visit(Select(1))); end if load_w>W Select=1; j=j-1; load_w=0; Tabu(i,length(visited)+1)=Select(1); else Tabu(i,length(visited)+1)=to_visit(Select(1)); end %if Select(1)==1 %else %load_w=load_w+t(Select(1)); %end end visited=Tabu(i,:); visited=visited(visited>0); to_visit=setdiff(1:n,visited); x=[]; if visited(end)~=1 Tabu(i,1:(length(visited)+1))=[visited,1]; end j=j+1; end load_w=0; end %% 第四步记录本代各种参数 L=zeros(m,1); for i=1:m MM=Tabu(i,:); R=MM(MM>0); for j=1:(length(R)-1) L(i)=L(i)+D(R(j),R(j+1)); end end G_best_length(NC)=min(L); pos=find(L==G_best_length(NC)); G_best_route(NC,1:length(Tabu(pos(1),:)))=Tabu(pos(1),:); %%应用2-opt方法对最优解进行更新 select=find(G_best_route(NC,:)==1); FF=[]; LM=0; for a=1:(length(select)-1) y_G_best_route=G_best_route(NC,select(a):select(a+1)); al=length(y_G_best_route); T=zeros((length(select)-1),1); for d=1:(al-1) T(a)=T(a)+D(y_G_best_route(d),y_G_best_route(d+1)); end for b=2:(al-1) for c=(b+1):(al-1) DD=y_G_best_route; temp1=DD(b); temp2=DD(c); DD(b)=temp2; DD(c)=temp1; TT=zeros(1); for d=1:(al-1) TT=TT+D(DD(d),DD(d+1)); end if TT<T(a) T(a)=TT; y_G_best_route=DD; end end end if a>=2 y_G_best_route=y_G_best_route(2:al); end FF=[FF,y_G_best_route]; LM=LM+T(a); end G_best_length(NC)=LM; G_best_route(NC,1:length(FF))=FF; FF=[]; LM=0; %%2-opt优化完毕 length_ave(NC)=mean(L); NC=NC+1; %% 第五步更新信息素 Delta_Tau=zeros(n,n); for i=1:m MM=Tabu(i,:); R=MM(MM>0); for j=1:(length(R)-1) Delta_Tau(R(j),R(j+1))=Delta_Tau(R(j),R(j+1))+Q/L(i); end end Tau=(1-Rho).*Tau+Delta_Tau; %% 第六步：禁忌表清零 Tabu=zeros(m,n); load_w=0; end %%第七步：输出结果 Pos=find(G_best_length==min(G_best_length)); best_route=G_best_route(Pos(1),:); best_length=G_best_length(Pos(1)); best_route=best_route(best_route>0); best_route; best_length; %% 第八步：绘制散点图和巡游过程图 subplot(1,2,1) plot([C(best_route,1)],[C(best_route,2)],'-*') subplot(1,2,2) plot(G_best_length) hold on plot(length_ave)