【路径规划】基于遗传算法求解多式联运路径规划问题matlab代码

1 简介

物流运输方式由公路、铁路、水路、空运及管道等 5 种方式组成，5 种运输方式在技术上、经济上各有长短，都有适宜的 使用范围，每种运输方式单独运用很难实现节约资源、降本增效。随着我国经济不断发展以及布局网络技术的不断深化，多式 联运通过把传统的、单一的运输方式进行择优组合，充分利用了各个运输方式现有的设施设备，实现了运输过程中的资源整 合，有利于运输过程中的可持续发展及达成规模经济中降本增效的目的，同时提高了物流行业竞争力。特别是通过公铁水多式 联运路径优化，构建以运输时间最少、运输线路距离最短、运输成本最低的公铁水多式联运模式，对于物流企业节约资源、降本增效意义重大。本文提出了一个以遗传算法为主框架的解决方案,用来求解多式联运的路径规划问题。本文从运输需求内容、运输过程、应用场景等角度对多式联运在军事运输中的应用进行分析,定义多式联运路径规划问题,建立分别以时问最短、路线最短、成本最低为目标的多式联运路径规划模型。

2 部分代码

%% GA

clc % 清屏

clear all; % 删除workplace变量

close all; % 关掉显示图形窗口

warning off

%% 参数初始化

popsize=50;              %种群规模

lenchrom=17;              %变量字串长度

        end

        

        %群体最优更新

        if fitness(j) < fitnesszbest

            zbest = pop(j,:);

            fitnesszbest = fitness(j);   %两次更新都循环100次，每一个fitness(j)都和两个数比一遍

        end

        

    end

    

    yy(i)=fitnesszbest;     

end

%% 结果

disp '*************best particle number****************'

zbest

%%

plot(yy,'linewidth',2);

title(['适应度曲线  ' '终止代数＝' num2str(maxgen)]);

xlabel('进化代数');ylabel('适应度');

grid on

3 仿真结果

4 参考文献

[1]柳超. 基于遗传算法的多式联运路径规划[D]. 东南大学, 2015.

标签：运输,多式,end,%%,路径,联运,matlab
来源： https://blog.csdn.net/qq_59747472/article/details/121753302