基于遗传算法的预拌混凝土车辆调度优化MATLAB源码.doc

基于遗传算法的预拌混凝土车辆调度优化MATLAB源码原文地址：基于遗传算法的预拌混凝土车辆调度优化MATLAB源码作者：GreenSim%clc close all clear%问题参数设置M=8；%工地总数目L=6；%预拌车吨位(立方米)C=20；%预拌车总数目MD=3；%配料和装车时间(分钟)%到各工地的去程时间(分钟)TDG=30；25；40；15；35；45；20；20；%到各工地的回程时间(分钟)TDB=25；20；30；15；30；35；20；15；%各工地需要的混凝土总量(立方米)R=15；20；20；25；10；12；30；25；%各工地的浇筑持续时间(分钟)CD=20；30；25；10；35；15；20；15；%施工工地允许的最大中断时间(分钟)，与连续施工保证施工质量有关ABD=5；5；15；5；5；10；10；5；%施工工地允许的最大配送时间(分钟)，与保证混凝土品质有关ADD=100；90；100；90；120；110；100；90；%各施工地开始施工的时刻(以分为单位的相对时间)ST=0；0；30；0；0；30；0；0；%0时刻对应的真实时间(小时分钟制)HM=8；0；%举例，8,15表示8：15%各工地需要的预拌车总数量RT=ceil(R/L)；A=zeros(0,0)；for i=1：length(RT)；A=A；i*ones(RT(i),1)；end N=length(A)；%算法参数设置%迭代次数KGA=50；%种群规模NGA=50；%变异概率PmGA=0.2；LB=zeros(N,1)；UB=ones(N,1)；Alpha=1；Beta=1；%调用遗传算法BESTX,BESTY,ALLX,ALLY=GAUCP(KGA,NGA,PmGA,LB,UB,A,C,MD,TDG,TDB,CD,ABD,ADD,ST,Alpha,Beta)；%整理输出结果x=BESTXKGA；Y,X,T1,T2,T3,T4,T5,WTS,WTT,C1,C2=Fit(x,A,C,MD,TDG,TDB,CD,ABD,ADD,ST,Alpha,Beta)；disp(最佳染色体为)；disp(X)；Time0=60*HM(1)+HM(2)；T1=T1+Time0；T2=T2+Time0；T3=T3+Time0；T4=T4+Time0；T5=T5+Time0；T1H=floor(T1/60)；T1M=mod(T1,60)；T2H=floor(T2/60)；T2M=mod(T2,60)；T3H=floor(T3/60)；T3M=mod(T3,60)；T4H=floor(T4/60)；T4M=mod(T4,60)；T5H=floor(T5/60)；T5M=mod(T5,60)；disp(配料和装车开始时间(小时/分钟)；disp(T1H,T1M)；disp(从基地出发时间(小时/分钟)；disp(T2H,T2M)；disp(到达施工地时刻(小时/分钟)；disp(T3H,T3M)；disp(从施工地返回时刻(小时/分钟)；disp(T4H,T4M)；disp(到达基地时刻(小时/分钟)；disp(T5H,T5M)；functionBESTX,BESTY,ALLX,ALLY=GAUCP(K,N,Pm,LB,UB,AAA,C,MD,TDG,TDB,CD,ABD,ADD,ST,Alpha,BetaQ)%此函数实现遗传算法，用于预拌混凝土配送的调度优化%GreenSim团队原创作品，转载请注明%Email：%GreenSim团队主页：color=red欢迎访问GreenSim-算法仿真团队url=输入参数列表%K迭代次数%N种群规模，要求是偶数%Pm变异概率%LB决策变量的下界，M1的向量%UB决策变量的上界，M1的向量%输出参数列表%BESTX K1细胞结构，每一个元素是M1向量，记录每一代的最优个体%BESTY K1矩阵，记录每一代的最优个体的评价函数值%ALLX K1细胞结构，每一个元素是MN矩阵，记录全部个体%ALLY KN矩阵，记录全部个体的评价函数值%第一步：M=length(LB)；%决策变量的个数%种群初始化，每一列是一个样本farm=zeros(M,N)；for i=1：M x=unifrnd(LB(i),UB(i),1,N)；farm(i,：)=x；end%输出变量初始化ALLX=cell(K,1)；%细胞结构，每一个元素是MN矩阵，记录每一代的个体ALLY=zeros(K,N)；%KN矩阵，记录每一代评价函数值BESTX=cell(K,1)；%细胞结构，每一个元素是M1向量，记录每一代的最优个体BESTY=zeros(K,1)；%K1矩阵，记录每一代的最优个体的评价函数值k=1；%迭代计数器初始化%第二步：迭代过程while k=K%以下是交叉过程newfarm=zeros(M,2*N)；Ser=randperm(N)；%两两随机配对的配对表A=farm(：,Ser(1)；B=farm(：,Ser(2)；P0=unidrnd(M-1)；a=A(1：P0,：)；B(P0+1)：end,：)；%产生子代a b=B(1：P0,：)；A(P0+1)：end,：)；%产生子代b newfarm(：,2*N-1)=a；%加入子代种群newfarm(：,2*N)=b；for i=1：(N-1)A=farm(：,Ser(i)；B=farm(：,Ser(i+1)；P0=unidrnd(M-1)；a=A(1：P0,：)；B(P0+1)：end,：)；b=B(1：P0,：)；A(P0+1)：end,：)；newfarm(：,2*i-1)=a；newfarm(：,2*i)=b；end FARM=farm,newfarm；%选择复制SER=randperm(3*N)；FITNESS=zeros(1,3*N)；fitness=zeros(1,N)；for i=1：(3*N)Beta=FARM(：,i)；SE=Fit(Beta,AAA,C,MD,TDG,TDB,CD,ABD,ADD,ST,Alpha,BetaQ)；FITNESS(i)=SE；end for i=1：N f1=FITNESS(SER(3*i-2)；f2=FITNESS(SER(3*i-1)；f3=FITNESS(SER(3*i)；if f1=f2&f1=f3 farm(：,i)=FARM(：,SER(3*i-2)；fitness(：,i)=FITNESS(：,SER(3*i-2)；elseif f2=f1&f2=f3 farm(：,i)=FARM(：,SER(3*i-1)；fitness(：,i)=FITNESS(：,SER(3*i-1)；else farm(：,i)=FARM(：,SER(3*i)；fitness(：,i)=FITNESS(：,SER(3*i)；end end%记录最佳个体和收敛曲线X=farm；Y=fitness；ALLXk=X；ALLY(k,：)=Y；minY=min(Y)；pos=find(Y=minY)；BESTXk=X(：,pos(1)；BESTY(k)=minY；%变异for i=1：N if Pm rand&pos(1)=i AA=farm(：,i)；BB=GaussMutation(AA,LB,UB)；farm(：,i)=BB；end end disp(k)；k=k+1；end%绘图BESTY2=BESTY；BESTX2=BESTX；for k=1：K TempY=BESTY(1：k)；minTempY=min(TempY)；posY=find(TempY=minTempY)；BESTY2(k)=m