一种基于遗传算法的车辆行驶安排问题的解法.ppt

一种基于遗传算法的车辆行驶安排问题的解法 制作：许景飞 李繁春 2007年7月29日 案例 美国网路先锋公司有4辆载重均为200单位的卡车，某日客户经理接到订单要给13个顾客送货。客户经理认为运输成本与卡车的总行程(即两点间距离)高度相关。因此，客户经理决定将不同客户的送货分配到每辆卡车上，并为每辆卡车设计行驶路线，以达到减少总运输距离的目标。以配送中心的位置为坐标原点，13个顾客的位置和需求量分别如下表1所示。 1.车辆路径问题的数学模型 车辆路径问题以成本最小为目标，寻找满足以下约束的解： 1) 每辆车以同一车站为起点和终点。 2) 每个需求点必须由一个车次完成其供货或卸货。 3) 每辆车的总装货量不得超过车辆的装载容量。 定义变量如下： 则模型为： （1.1） （1.2） （1.3） （1.4） （1.5） （1.6） （1.7） （1.8） （1.9） 约束(1.2)和(1.3)确保每个配送需求点恰好被车辆访问一次。 约束(1.4)是流守恒条件，即车辆到达某点后，必须离开该点。 约束(1.5)是车辆容量限制。 约束(1.6)和(1.7)限制车辆最多只能有一条回路。 约束(1.8 )限制在车辆路线中不含子回路。 2.1染色体编码 为计算机方便处理，这里对染色体使用整数编码。0代表总仓库，1,2,…n分别代表n个商店。染色体的长度为： n+k+1 (0,i1,i2,…,is,0,ij,…,ik,0,…,0,ip,…,iq,0)，在整条染色体中，整数ij表示第j个商店，0的数目为个，首尾都是0，代表从总仓库派车出发，最后又回到总仓库。中间k-1个0把编码分为k段，形成k个子路径，表示由k辆车完成所有的运输任务。这样的染色体编码可以解释为：第一辆车从总仓库出发，经过i1,i2,…is商店后，回到总仓库，形成子路径1；第二辆车也从总仓库出发，经过ij,…,ik商店后，回到总仓库，形成子路径2；k辆车依次出发，完成所有的运输任务，构成k条子路径。 2.2初始化种群 群体规模设在10到100之间。在初始化染色体时，先生成n个商店的一个全排列，再将k+1个0随机插入排列中。需要注意的是，必须要有2个0被安排在排列的头部和尾部，并且在排列中不能有连续的2个0。这样就构成一条满足问题需要的染色体，重复这一过程，直至生成满足群体规模数的染色体。 式中， 表示若违反容量约束处以的惩罚值。 本文采用适应度函数[4]为fitness(i)=1/value(i),i=1,2,…, popsize，其中value(i)为第i个个体的运输总成本，popsize为种群规模。 value(i)的计算过程： 第 1 步，将个体中的基因，从左向右，将相临的两个基因对应商店之间所需运输成本累加； 第 2 步，将个体关于商店的起止路径各基因与配送中心的运输成本累加； 第 3 步，将前两步结果求和； 第 4步，计算个体关于商店的起止路径中，去掉开始位及最后一位基因后，将剩余基因的奇数位与其相临偶数位之间的运输成本累加。 第 5 步，用第三步计算结果减去第四步计算结果，