Excel? exp12_3_2.xls內(nèi)容：

ANT_VRP函數(shù)：

function [R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ANT_VRP(D,Demand,Cap,iter_max,m,Alpha,Beta,Rho,Q)

%% R_best 各代最佳路線

%% L_best 各代最佳路線的長(zhǎng)度

%% L_ave 各代平均距離

%% Shortest_Route 最短路徑

%% Shortest_Length 最短路徑長(zhǎng)度

%% D 城市間之間的距離矩陣，為對(duì)稱矩陣

%% Demand 客戶需求量

%% Cap 車輛最大載重

%% iter_max 最大迭代次數(shù)

%% m 螞蟻個(gè)數(shù)

%% Alpha 表征信息素重要程度的參數(shù)

%% Beta 表征啟發(fā)式因子重要程度的參數(shù)

%% Rho 信息素蒸發(fā)系數(shù)

%% Q 信息素增加強(qiáng)度系數(shù)

n=size(D,1);

T=zeros(m,2*n); %裝載距離

Eta=ones(m,2*n); %啟發(fā)因子

Tau=ones(n,n); %信息素

Tabu=zeros(m,n); %禁忌表

Route=zeros(m,2*n); %路徑

L=zeros(m,1); %總路程

L_best=zeros(iter_max,1); %各代最佳路線長(zhǎng)度

R_best=zeros(iter_max,2*n); %各代最佳路線

nC=1;

while nC<=iter_max %停止條件

Eta=zeros(m,2*n);

T=zeros(m,2*n);

Tabu=zeros(m,n);

Route=zeros(m,2*n);

L=zeros(m,1);

%%%%%%==============初始化起點(diǎn)城市(禁忌表)====================

for i=1:m

Cap_1=Cap; %最大裝載量

j=1;

j_r=1;

while Tabu(i,n)==0

T=zeros(m,2*n); %裝載量加載矩陣

Tabu(i,1)=1; %禁忌表起點(diǎn)位置為1

Route(i,1)=1; %路徑起點(diǎn)位置為1

visited=find(Tabu(i,:)>0); %已訪問城市

num_v=length(visited); %已訪問城市個(gè)數(shù)

J=zeros(1,(n-num_v)); %待訪問城市加載表

P=J; %待訪問城市選擇概率分布

Jc=1; %待訪問城市選擇指針

for k=1:n %城市

if length(find(Tabu(i,:)==k))==0 %如果k不是已訪問城市代號(hào)，就將k加入矩陣J中

J(Jc)=k;

Jc=Jc+1;

end

end

%%%%%%%=============每只螞蟻按照選擇概率遍歷所有城市==================

for k=1:n-num_v %待訪問城市

if Cap_1-Demand(J(1,k),1)>=0 %如果車輛裝載量大于待訪問城市需求量

if Route(i,j_r)==1 %如果每只螞蟻在起點(diǎn)城市

T(i,k)=D(1,J(1,k));

P(k)=(Tau(1,J(1,k))^Alpha)*((1/T(i,k))^Beta); %概率計(jì)算公式中的分子

else %如果每只螞蟻在不在起點(diǎn)城市

T(i,k)=D(Tabu(i,j),J(1,k));

P(k)=(Tau(Tabu(i,visited(end)),J(1,k))^Alpha)*((1/T(i,k))^Beta); %概率計(jì)算公式中的分子

end

else %如果車輛裝載量小于待訪問城市需求量

T(i,k)=0;

P(k)=0;

end

end

if length(find(T(i,:)>0))==0 %%%當(dāng)車輛裝載量小于待訪問城市時(shí)，選擇起點(diǎn)為1

Cap_1=Cap;

j_r=j_r+1;

Route(i,j_r)=1;

L(i)=L(i)+D(1,Tabu(i,visited(end)));

else

P=P/(sum(P)); %按照概率原則選取下一個(gè)城市

Pcum=cumsum(P); %求累積概率和：cumsum([1 2 3])=1 3 6,目的在于使得Pcum的值總有大于rand的數(shù)

Select=find(Pcum>rand); %按概率選取下一個(gè)城市：當(dāng)累積概率和大于給定的隨機(jī)數(shù)，則選擇求和被加上的最后一個(gè)城市作為即將訪問的城市

o_visit=J(1,Select(1)); %待訪問城市

j=j+1;

j_r=j_r+1;

Tabu(i,j)=o_visit; %待訪問城市

Route(i,j_r)=o_visit;

Cap_1=Cap_1-Demand(o_visit,1); %車輛裝載剩余量

L(i)=L(i)+T(i,Select(1)); %路徑長(zhǎng)度

end

end

L(i)=L(i)+D(Tabu(i,n),1); %%路徑長(zhǎng)度

end

L_best(nC)=min(L); %最優(yōu)路徑為距離最短的路徑

pos=find(L==min(L)); %找出最優(yōu)路徑對(duì)應(yīng)的位置：即為哪只螞蟻

R_best(nC,:)=Route(pos(1),:); %確定最優(yōu)路徑對(duì)應(yīng)的城市順序

L_ave(nC)=mean(L)'; %求第k次迭代的平均距離

Delta_Tau=zeros(n,n); %Delta_Tau(i,j)表示所有螞蟻留在第i個(gè)城市到第j個(gè)城市路徑上的信息素增量

L_zan=L_best(1:nC,1);

post=find(L_zan==min(L_zan));

Cities=find(R_best(nC,:)>0);

num_R=length(Cities);

for k=1:num_R-1 %建立了完整路徑后在釋放信息素

Delta_Tau(R_best(nC,k),R_best(nC,k+1))=Delta_Tau(R_best(nC,k),R_best(nC,k+1))+Q/L_best(nC);

end

Delta_Tau(R_best(nC,num_R),1)=Delta_Tau(R_best(nC,num_R),1)+Q/L_best(nC);

Tau=Rho*Tau+Delta_Tau;

nC=nC+1;

end

Shortest_Route=zeros(1,2*n); %提取最短路徑

Shortest_Route(1,:)=R_best(iter_max,:);

Shortest_Route=Shortest_Route(Shortest_Route>0);

Shortest_Route=[Shortest_Route Shortest_Route(1,1)];

Shortest_Length=min(L_best); %提取最短路徑長(zhǎng)度

%L_ave=mean(L_best);

求解程序：

clc;clear all

%% ==============提取數(shù)據(jù)==============

[xdata,textdata]=xlsread('exp12_3_2.xls'); %加載20個(gè)城市的數(shù)據(jù)，數(shù)據(jù)按照表格中位置保存在Excel文件exp12_3_1.xls中

x_label=xdata(:,2); %第二列為橫坐標(biāo)

y_label=xdata(:,3); %第三列為縱坐標(biāo)

Demand=xdata(:,4); %第四列為需求量

C=[x_label y_label]; %坐標(biāo)矩陣

n=size(C,1); %n表示節(jié)點(diǎn)(客戶)個(gè)數(shù)

%% ==============計(jì)算距離矩陣==============

D=zeros(n,n); %D表示完全圖的賦權(quán)鄰接矩陣，即距離矩陣D初始化

for i=1:n

for j=1:n

if i~=j

D(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5; %計(jì)算兩城市之間的距離

else

D(i,j)=0; %i=j, 則距離為0；

end

D(j,i)=D(i,j); %距離矩陣為對(duì)稱矩陣

end

end

Alpha=1;Beta=5;Rho=0.75;iter_max=100;Q=10;Cap=1;m=20; %Cap為車輛最大載重

[R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ANT_VRP(D,Demand,Cap,iter_max,m,Alpha,Beta,Rho,Q); %蟻群算法求解VRP問題通用函數(shù)，詳見配套光盤

Shortest_Route_1=Shortest_Route-1 %提取最優(yōu)路線

Shortest_Length %提取最短路徑長(zhǎng)度

%% ==============作圖==============

figure(1) %作迭代收斂曲線圖

x=linspace(0,iter_max,iter_max);

y=L_best(:,1);

plot(x,y);

xlabel('迭代次數(shù)'); ylabel('最短路徑長(zhǎng)度');

figure(2) %作最短路徑圖

plot([C(Shortest_Route,1)],[C(Shortest_Route,2)],'o-');

grid on

for i =1:size(C,1)

text(C(i,1),C(i,2),[' ' num2str(i-1)]);

end

xlabel('客戶所在橫坐標(biāo)'); ylabel('客戶所在縱坐標(biāo)');

總結(jié)

以上是生活随笔為你收集整理的蚁群算法matlab vrp问题车辆限重,蚁群算法MATLAB解VRP问题的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。