1 简介

​

编辑

​

编辑

​

编辑

​

编辑

​

编辑

2 部分代码

%算法的第一步是先初始化
clc
clear
close all
data=[33580.60995  7556.450541  0  0  480  0
33517.94427  7550.258605  38.1  60  180  60
33289.92183  7490.746137  24.2  30  150  54
33536.90179  7546.496191  15.2  30  300  30
33468.72568  7568.941866  23.1  30  330  42
33460.59935  7541.606391  17.8  60  330  42
33543.82804  7572.457439  16.5  120  240  30
33550.43798  7601.835535  16.5  60  120  36
33556.05244  7557.051973  17.3  150  180  42
33519.38135  7524.888891  12.6  60  90  30
33474.3799  7456.877774  20.2  60  120  48
];
m=50;                                   %蚂蚁总数
alpha=1;                                %信息度启发因子
beta=2;                                 %期望值启发式因子
Rho=0.6;                                %信息素挥发因子 
NC_max=100;                             %最大循环次数
Q=80;                                   %信息素增量   
%% 本算例参数
C=data(:,1:2);%城市位置
W=data(:,3);%城市位置
T_serve=data(:,6);%城市位置
T_limit=data(:,4:5);%时间窗限制
Q_begin=C(1,:);%开始城市
C(1,:)=[];
W(1)=[];
T_serve(1)=[];
T_limit(1,:)=[];
Weight=60;%载重/限制
v=1;  %速度
%% 
% 初始化
n=size(C,1);                            %表示n个城市
D=zeros(n,n);                           
for i=1:n
    for j=1:n
        if i~=j                         %表示同一个城市之间的距离不存在
        D(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5;
        else
         D(i,j)=eps;
        end
    end
end
Eta=1./D;                               %城市与城市之间的能见度，在基于概率转移时用到这个参数
end
for j=1:size(path,2)
    R_temp=path{j};
    if ~isempty(R_temp)
        plot([Q_begin(1),C(R_temp(1),1)],[Q_begin(2),C(R_temp(1),2)],'-b');
        hold on
        plot([Q_begin(1),C(R_temp(end),1)],[Q_begin(2),C(R_temp(end),2)],'-b');
        hold on
        for k=1:size(R_temp,2)-1
            plot([C(R_temp(k),1),C(R_temp(k+1),1)],[C(R_temp(k),2),C(R_temp(k+1),2)],'-b');
        end
    end
end
title('最优配送方案路线图');
xlabel('x')
ylabel('y')
figure(2)
plot(1:size(Roadlength_best,1),Roadlength_best,'-k')
xlabel('迭代次数')
ylabel('目标函数值')
title('迭代过程')
for i=1:size(path,2)
    temp=path{i};
    WE(i)=sum(W(temp));
end

3 仿真结果

​

编辑

​

编辑

4 参考文献

[1]李建军. 基于蚁群算法的车辆路径规划问题的研究[D]. 西安电子科技大学, 2015.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。