MTSP_GA_MULTI_CH多个旅行推销员问题(M-TSP)遗传算法(GA)使用multi-chromosome表示
找到(附近)最优解的一种变体的M-TSP设置
GA搜索最短的路线,考虑
额外的限制,和销售人员的数量最小化。
简介:
1。在第一个位置,每个推销员开始和结束
位置,但去一组独特的城市
2。除了第一个,每个城市都是访问一个推销员
3所示。算法使用了一个特殊的,所谓的multi-chromosome基因
表示代码解决方案为个体。万博 尤文图斯
4所示。特殊的遗传算子(即使是复杂的)。
5。销售人员使用的数量最小化算法
6。附加约束条件必须满足
最小数量的位置,每个销售人员的访问
每个销售人员——最大distane乘坐
7所示。时间窗口可以被定义为每个位置(如包装/加载时间)。
注意:固定的开始/结束位置是第一个XY点
输入:
XY(浮动)是一种Nx2城市位置的矩阵,其中N是城市的数量
质素(浮动)是一种NxN跨城的距离矩阵或成本
销售人员(标量整数)销售人员访问城市的数量
MIN_TOUR(标量整数)是每个城市的最小数量
销售人员,不包括开始/结束点
MAX_TOUR(标量整数)是每个销售人员的最大行程长度
TW (scalar_integer)是每个位置的时间窗口
POP_SIZE(标量整数)的人口规模(应该是被8整除)
NUM_ITER(标量整数)的数量所需的迭代算法
USE_COMPLEX(标量boolen 0/1)国旗是否使用复杂的变异算子
SHOW_PROG(标量逻辑)显示了GA的进步如果真的
SHOW_RES(标量逻辑)显示了GA的结果如果真的
输出:
OPT_RTE(整数数组)是最好的路由发现的算法
MIN_DIST(标量浮动)总距离的推销员
OPT_ITER(标量int)的迭代次数,直到发现了最优解
OPT_TIME(标量浮动)以毫秒为单位的时间,直到发现了最优解
DIST_HISTORY(浮点数组)是距离的历史发现的最好的解决方案万博 尤文图斯
作者:安德拉斯基拉,Janos Abonyi
电子邮件:kiralya@fmt.uni-pannon.hu
上映日期(待定):16/10/2014
实现基于约瑟夫·柯克的工作:mtspf_ga

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
* * * * * * * * * * * * * * * * * * * *参考通知* * * * * * * * * * * * * * * * * * * *
* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
如果你在工作中使用这种实现,请把我们的论文:

安德拉斯基拉,Janos Abonyi:重新设计的移动力学的供应
基于一种新型遗传优化算法使用Google Maps API。
工程应用人工智能,2014。
* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *