1 简介
基于节约算法求解带时效性约束的物流中心选址问题.分析选址问题的时效性约束条件,构造带时效性约束的物流中心选址模型,利用节约算法设计选址模型的精确算法,并给出具体算例,验证模型和算法的可行性.研究结果表明,该算法能够求解带时效性约束的选址模型,又能够求解不带时效性约束的重心选址模型,是一种比传统算法更有效的求解物流中心选址问题的算法.
2 部分代码
clc
clear all
p1=0.9;
customer=xlsread('customer.xlsx'); %需求点信息
facility=xlsread('facility.xlsx'); %设施点信息
facilityposition=facility(:,2:3); %设施坐标
customerposition=customer(:,2:3); %需求点坐标
position=[facilityposition;customerposition];
xlswrite('position.xlsx',position)
position1=[position(:,1) position(:,2)];
distMatrix=dists(position1); %计算得出的两点之间的距离
xlswrite('distMatrix.xlsx',distMatrix)
ttimeu=fix(distMatrix); %两点之间的距离
%%%%%%%%%%%%%%%%%%%%%%%%%固定数据%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Qofcar=200; %车辆容量
costofallcar=5000; %车辆固定成本
costofunitdistance=9; %单位距离成本
tanpaifangyinzi=1; %车辆碳排放因子
danweiyouhao=1; %车辆单位油耗
%%%%%%%%%%%%%%%%%%%%%%%计算出来的数据%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
Numberofpoints=size(customer,1); %需求点数量
Numberoffacilities=size(facility,1); %设施点数量
quantity=[customer(:,1) customer(:,4) customer(:,4)]; %需求点需求量
Qoffacilities=[facility(:,1) facility(:,4)]; %设施容量
timewindow=[customer(:,1) customer(:,6:7)]; %需求点时间窗
countfacility=facility(:,5); %建立设施固定成本
codeofpicture=1;
timewindow
assignofpoint=[2 1 2 1 3 3 1 2 1 1 2 3 2];
[outcome1,outcome2,outcome3]=cw(Numberoffacilities,assignofpoint,ttimeu,timewindow,distMatrix,quantity,Qofcar,p1);
%outcome1=[1 1 2 1 2 3 3 4 4 3 5 5 5];
%outcome2=[9 2 10 4 7 13 1 11 8 3 12 5 6];
[outcome1,outcome2,outcome3]=tabu(outcome1,outcome2,outcome3,distMatrix,ttimeu,Numberoffacilities,timewindow);
[Picture]=picture(codeofpicture,outcome1,outcome2,outcome3,customer,facility);
3 仿真结果
4 参考文献
[1]于晓东. 基于人工蜂群算法的考虑碳排放的带时间窗车辆路径问题研究[D]. 大连理工大学, 2016.
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。