ICode9

精准搜索请尝试: 精确搜索
首页 > 编程语言> 文章详细

【路径规划】基于matlab模拟退火算法求解多车型路径规划问题【含Matlab源码 913期】

2021-05-22 12:57:51  阅读:199  来源: 互联网

标签:1.4 种群 %% route 路径 模拟退火 源码


一、简介

模拟退火算法介绍
在这里插入图片描述
3
在这里插入图片描述
在这里插入图片描述
3 模拟退火算法的参数
模拟退火是一种优化算法,它本身是不能独立存在的,需要有一个应用场合,其中温度就是模拟退火需要优化的参数,如果它应用到了聚类分析中,那么就是说聚类分析中有某个或者某几个参数需要优化,而这个参数,或者参数集就是温度所代表的。它可以是某项指标,某项关联度,某个距离等等。

二、源代码

clear all
close all
clc
tic
%% 基础参数输入
NIND=100;             %种群大小
MAXGEN=200;          %遗传代数
GGAP=0.9;            %代沟
Pc=0.75;             %交叉概率
Pm=0.1;             %变异概率
const=20;            %客户个数
X=[3.2,14.1;3.8,5.5;15.2,10.9;18.6,12.9;11.9,8.2;10.2,9.5;5.3,9.6;0.6,9.9;6.1,18.0;7.6,19.2
    16.0,15.7;15.3,15.2;1.6,14.7;9.0,9.2;5.4,13.3;7.8,10.0;18.6,7.8;14.5,4.3;15.0,18.7;9.8,5.0;1.4,6.9];   %需求点位置坐标,1号点为出发点
carload_min=3;                %小型车的载重限制
demand=[0.8,0.6,0.4,1.4,0.8,0.6,1.9,1.3,1.8,1.5,0.4,1.6,1.1,1.6,1.0,0.8,1.4,1.2,0.4,1.4];           %服务点需求
D=Distanse(X);
%% 种群初始化
Chrom=zeros(NIND,const);
for i=1:NIND
    Chrom(i,:)=randperm(const);   %种群初始化
end
%% 画出随机解的路径图
[ObjV,route]=PathLength(D,Chrom); %计算路线长度和路径
preObjV=min(ObjV);                %初始种群的最优个体
route_initial=routemake(route,1); %第一个个体的路径
% DrawPath(route_initial,X);
% hold off
% pause(0.0001);
%% 输出随机解的路径和总距离
disp('初始种群中的一个随机值:')
OutputPath(route_initial);
disp(['总成本:',num2str(ObjV(1))]);
disp('~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~')
%% 计算目标函数
%% 优化
gen=0;
MinY=inf;
trace=zeros(MAXGEN,1);
h=waitbar(0,'程序启动中,请等待...');
while gen<MAXGEN
    %% 计算适应度
    [ObjV,route]=PathLength(D,Chrom); %计算路线长度
    %line([gen-1,gen],[preObjV,min(ObjV)]);
    %pause(0.0001)
    %preObjV=min(ObjV);
    % 适应度函数计算
    FitnV=Fitness(ObjV);
    % 选择
    SelCh=Select(Chrom,FitnV,GGAP);
    % 交叉操作
    SelCh=Recombin(SelCh,Pc);
    % 变异
    SelCh=Mutate(SelCh,Pm);
    % 逆转操作
    SelCh=Reverse(SelCh,D);
    % 重插入子代的新种群
    Chrom=Reins(Chrom,SelCh,ObjV);
    % 更新迭代次数
    gen=gen+1;
    % 最优解保存
    [minObjV,minInd]=min(ObjV);          %计算最优解
    route_new=routemake(route,minInd);   %最终路径
    if minObjV<MinY
        MinY=minObjV;
        best_route=route_new;
        trace(gen,1)=MinY;
    else
        trace(gen,1)=trace(gen-1,1);
    end
    str=['程序正常运行中,','已迭代',num2str(gen),'次'];
    waitbar(gen/MAXGEN,h,str);
    pause(0.05);
end
%% 绘制
plot(1:gen,trace);
title('优化过程');
xlabel('迭代次数');
ylabel('最优值');
hold off
%% 画出最优解的路线图
[car1_num,car2_num]=car_type(best_route,demand,carload_min);%输出各种车型的数量
Num_car=car1_num+car2_num;
DrawPath(best_route,X);
hold off

三、运行结果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

四、备注

版本:2014a

标签:1.4,种群,%%,route,路径,模拟退火,源码
来源: https://blog.csdn.net/TIQCmatlab/article/details/117156743

本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享;
2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关;
3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关;
4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除;
5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有