乘用车物流运输计划问题要点.docVIP

乘用车物流运输计划问题 介于此题与运筹学知识相关，我们初步运用了线性规划和遗传算法对此做出了分析，遗传算法（Genetic?Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。计算程序运用了影响成本高低的首先是轿运车使用数量；其次，在轿运车使用数量相同情况下，1-1型轿运车的使用成本较低，2-2型较高，1-2型略低于前两者的平均值，但物流公司1-2型轿运车拥有量小，为方便后续任务安排，每次1-2型轿运车使用量不超过1-1型轿运车使用量的20%；再次，在轿运车使用数量及型号均相同情况下，行驶里程短的成本低，注意因为该物流公司是全国性公司，在各地均会有整车物流业务，所以轿运车到达目的地后原地待命，无须放空返回。最后每次卸车成本几乎可以忽略。装完1-2然后再来考虑1-1，剩下的装在1-1，考虑放完的，都是先同样车型放一起。最后在混放如果有剩余的话。 flag = Passenger_num~=0; temp Car_carriers(2,1) - (flag(1)*A_2_2(:,1)*Passenger(1,1)+flag(2)*A_2_2(:,2)*Passenger(2,1)... +flag(3)*A_2_2(:,3)*Passenger(3,1)+0.1*sum(A_2_2,2)); [~,ib] = min(temp); temp_res = A_2_2(ib,:); result = []; for i = 1:50 loop_end = round(i/0.2); temp = []; num = 0; for j = 0:100 for k = 0:100 if j+k=loop_end con_1 = 3*temp_res(1)*i+2*restrict(1,1)*j; con_2 = 3*temp_res(2)*i+2*restrict(2,1)*k; if con_1=Passenger_num(1) con_2=Passenger_num(2) num = num+1; temp(num,:) = [i j k]; break; end end end end if size(temp,1)0 result = [result;temp(1,:)]; clear temp; end end res(:,1) = result(:,1); res(:,2) = result(:,2)+result(:,3); final = []; final(1,:) = res(1,:); for i = 2:size(res,1) temp = sum(res(i,:))-sum(res(i-1,:)); if (res(i,1)res(i-1,1) res(i,2)res(i-1,2)) || temp=0 continue; end final = [final;res(i,:)]; end ??? Undefined function or variable Passenger_num. temp_res = [5 4;12 5]; result = []; for i = 1:50 loop_end = round(i/0.2); temp = []; num = 0; for j = loop_end:100 con_1 = temp_res(2,1)*i+temp_res(1,1)*j; con_2 = temp_res(2,2)*i+temp_res(1,2)*k; if con_1=Passenger_num(2) con_2=Passenger_num(3) nu