基于NSGA2的多目标车辆路径规划

目标1为受灾点缺货量最大值最小，目标2为需求点最晚送达时间最小 ，问题描述和具体模型如图所示

首先染色体编码的话，采用整数编码方式，总共30996个变量，前30000个变量是三辆车的100*100的行驶路径矩阵（0-1变量），30001-30096变量为每个受灾点接收的货物量，30097-30396为每辆车到达各个节点的载货量，30397-30696为每辆车离开各个节点的载货量，30697-30996为每辆车到达各个节点的时间；然后算法架构的话，模型还是一样的，等式和不等式约束是作为越线惩罚单独进行考量，因为是多目标，并不能简单将越线惩罚与目标函数相加作为综合的目标来约束，根据种群特性，对解集的结果好坏以及越限程度进行综合考量，另外为了得到更准确的结果，我这边对约束越限值做了归一化处理；接着用到了锦标赛策略进行选择操作，个体抽样采用的是放回抽样；最后呢，对于求解结果的话因为做过整数编码且加了许多限制约束筛选掉了太多的解，解集中解的数量不算多，而且pareto趋势不明显，我觉得很正常，这种TSP问题本来就不太适合多目标求解

源程序为MATLAB环境下代码，本模型还附赠Python环境下的gurobi求解器

ID:56199

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/733511584554.html