✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
⛄ 内容介绍
带时间窗约束的vRP问题(VRPTW)属于NP-hard问题,采用改进遗传算法探索最优方案。首先分析了带时间窗VRP问题的一般数学模型,并采用罚函数的方法对时间窗约束进行处理;设计了带权重的适应度函数,并采用了基于基因库的跨世代精英选择算子、PMX交叉算子和局部爬山变异算子;最后通过仿真实验与传统遗传算法和自适应遗传算法进行了对比研究,仿真结果表明改进遗传算法在解决带时间窗VRP问题中具有较高收敛速度和全局搜索能力。
⛄ 部分代码
%% 重插入子代的新种群
%输入：
%Chrom 父代的种群
%SelCh 子代种群
%ObjV 父代适应度
%输出
% Chrom 组合父代与子代后得到的新种群
function Chrom=Reins(Chrom,SelCh,ObjV)
NIND=size(Chrom,1);%获取Chrom个体数
NSel=size(SelCh,1);%获取Nsel个体数
[~,index]=sort(ObjV); %按升序排序，函数值越小越好，所以好的都排在前面
Chrom=[Chrom(index(1:NIND-NSel),:);SelCh]; %把Chrom前面的函数值比较低的拼接上Selch种群凑够NIND个
⛄ 运行结果
⛄ 参考文献
[1] 范厚明, 耿静, 李阳,等. 模糊需求与时间窗的VRP及混合遗传算法求解[J]. 系统管理学报, 2020, 29(1):12.
[2] 余梅. 基于蚁群-遗传融合改进算法的物流车辆路径优化.
[3] 王毅. 物流配送系统车辆路径规划问题研究[D]. 华南理工大学, 2009.
[4] 范月林, 周素萍. 基于改进遗传算法的带时间窗VRP问题研究[J]. 电脑知识与技术:学术交流, 2011.
[5] 蒋波. 基于遗传算法的带时间窗车辆路径优化问题研究[D]. 北京交通大学, 2010.
