- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一. 遗传算法源代码1. 主函数:clcclearall;closeall;popsize=60;%种群规模chromlength=42;%染色体长度J=6; %备选配送中心P=4; %建设数量上限I=7; %服务顾客数量B=350000; %投资预算a=[370 400 600 1100 750 450];c1=[200 150 110 170 130 165];c2=[250 270 275 200 200 230 240 190 230 220 230 170 230 270 250 265 200 230 230 265 220 300 320 310 265 270 270 230 270 250 270 190 230 220 200 220 230 220 240 200 220 270]; d=[240 270 300 240 220 350 200 240 270 300 240 220 350 200 240 270 300 240 220 350 200 240 270 300 240 220 350 200 240 270 300 240 220 350 200 240 270 300 240 220 350 200];e=[73000 82000 62000 81000 71500 72500];pm=0.2;%变异概率pc=0.6;%交叉概率[pop0,initpop]=init(popsize,chromlength,J,I); %随机产生初始种群for i=1:500 %500为遗传代数[fit,cumsump]=fitness(initpop,pop0,J,P,I,B,a,c1,c2,d,e);%计算种群中个体适应度[bestpop,bestnewpop,bestfit]=best(pop0,initpop,fit);%记录最佳适应度[pop1,newpop] =selection(pop0,initpop,cumsump); %选择newpop1=crossover(pop1,newpop,pc,I); %交叉[pop2,newpop2]=mutation(pop1,newpop1,pm,I); %变异pop0=pop2;initpop=newpop2;enddisp(最小成本为:)bestfitdisp(配送中心选址方案:)bestpopdisp(顾客配送方案:)bestnewpop2. 生成初代种群子函数function [pop0,initpop]=init(popsize,chromlength,J,I);initpop=zeros(popsize,chromlength);pop=zeros(popsize,chromlength);pop0=round(rand(popsize,J));for i=1:popsizeif pop0(i,:)==zeros(1,J)pop0(i,:)=ones(1,J);endendfor i=1:popsize for j=1:Jif pop0(i,j)==1;pop(i,((j-1)*I+1):((j-1)*I+I))=round(rand(1,I));endendendinitpop=pop; 3. 种群中个体适应度子函数function [fit,cumsump]=fitness(initpop,pop0,J,P,I,B,a,c1,c2,d,e);[px,py]=size(initpop);fit=zeros(px,1);dudu=zeros(px,I);for i=1:px p=sum(pop0(i,:)); b=sum(pop0(i,:).*e); a=0;%%%%%%%%%适应度函数%%%%%%%%%for j=1:I dudu(i,j)=dudu(i,j)+initpop(i,j)+initpop(i,I+j)+initpop(i,2*I+j)+initpop(i,3*I+j)+initpop(i,4*I+j)+initpop(i,5*I+j);ifdudu(i,j)==0 a=1;endendif ( bB | p1 | pP | a==1) fit(i)=2000000;else fit(i)=sum(a.*c1.*pop0(i,:)+e.*pop0(i,:))+sum(initpop(i,:).*d.*c2);endend%%%%%%%%%种群选择准备工作%%%%%%fit1=3000000-fit;fsum=sum(fit1);pp=fit1/fsum;cumsump=cumsum(pp);4. 记录满意解子函数functi
您可能关注的文档
- 大连海事大学《现代优化技术》第1讲:优化问题与优化技术.ppt
- 大连海事大学《现代优化技术》第2讲:现代优化技术基础之数学基础.ppt
- 大连海事大学《现代优化技术》第3讲:现代优化技术基础之计算机基础.ppt
- 大连海事大学《现代优化技术》第4讲:算法及其设计与评价.ppt
- 大连海事大学《现代优化技术》第5讲:传统启发式算法之构筑法.ppt
- 大连海事大学《现代优化技术》第6讲:传统启发式算法之改善法.ppt
- 大连海事大学《现代优化技术》第7讲:传统启发式算法之改进形态.ppt
- 大连海事大学《现代优化技术》第8讲:现代启发式算法之模拟退火算法.ppt
- 大连海事大学《现代优化技术》第9讲:现代启发式算法之遗传算法.ppt
- 大连海事大学《现代优化技术》附件1:传统优化技术.PPT
- 大连海事大学关于进行2015年硕士研究生入学复试的通知.doc
- 大连海事大学硕士研究生入学考试大纲 434 国际商务专业基础.doc
- 大连海事大学硕士研究生入学考试大纲 X14 产业经济学.doc
- 大连海事大学硕士研究生入学考试大纲 X15 国际航运经济学.doc
- 大连海事大学硕士研究生入学考试大纲 X21 公司理财.doc
- 大连海事大学硕士研究生入学考试大纲 Z12 国际贸易理论与实务.doc
- 大连海事大学硕士研究生入学考试大纲 Z14 管理信息系统.doc
- 大连海事大学硕士研究生入学考试大纲 系统工程(同等学力).doc
- 大连海事大学现代优化技术作业 ARMA模型.docx
- 大连海事大学现代优化技术作业 Dijkstra 最短路径算法.docx
文档评论(0)