前言：
我们现在假设n个工厂每天早上同时发出需求，即想要多少货（货都是由物流中心提供的）然后进行统一分配，这样做能好做一些（不然之前指定哪两个工厂有点没思路 我们后期再考虑这个 先考虑都由物流中心提供货），后期我们再实现有单独的工厂发出订单，然后单独调度解决。目前代码只考虑总体所有工厂的调度。
一、我们有三个输入参数：
1、首先是各个工厂（即节点）间的 距离（此例题中是8个节点）
2.然后是各个工厂想要的货量(我们之前想的是每个工厂对哪个工厂需求多少，但此题是针对物流中心的需求量，即不针对哪个特定的工厂要货）
3.第三个参数是物流中心到各个工厂节点的距离
二、主程序
其中每代他设置了80个样本，即80*8的二维矩阵
一共跑200代
每代这80个样本都要先交叉 变异一下
（感觉这地方有点暴力的意思）
1.首先种群初始化了80×8的矩阵
2.然后while200层循环，每层循环体里先进行交叉变异函数，具体函数在第三大模块
3.经过交叉后还是80*8 但是变异后变成132×8了 即132个样本了
4.然后通过size函数，并且变量设为1，即取得这个二维矩阵的行数 即132
5.然后对着132行进行for循环，每个样本都要进行解码和最短路程的计算，计算结果放到了Total_Dis，即这个矩阵是132×1
6.然后关键的更新种群，他把这个Total_Dis排了个升序（即找最短路程最少的80个），然后依照索引取出对应好的80个样本，然后放到下一代里，继续重复同样的操作
7.最后经过200代，持续淘汰，选出最后一代里80个子代中Total_Dis里最低的那个样本，即最后求出的结果（是一个所有车该先去哪个工厂送货，再去哪个）（然后根据这个结果逐一分配车辆就可以了-这个思路简单）（所以程序关键在于求出一个整体结果）
关于解码函数在下方，也需要转换为java程序
主程序
%算法参数
population_num=80;%种群规模
Max_gen=200;%迭代次数
Pc=0.9;%交叉概率
Pm=0.09;%变异概率
%%
%问题参数
%车辆数量Car_num=2
%客户数量Customer_num=8
%车辆容量capacity_max=8
%行驶距离distance_max=50
Car_num=2;
Customer_num=8;
capacity_max=8;
distance_max=50;
load Demand %客户的需求
load Distance %客户间的距离
load X %物流中心到客户间的距离
%%
%种群初始化
population=zeros(population_num,Customer_num);
for i=1:population_num
population(i,:)=randperm(Customer_num);
end
%%
y=1;%循环计数器
while y<Max_gen
%交叉
[new_pop_intercross]=Mating_pool(population_num,population,Pc);
%变异
[new_pop_mutation]=Mutation(new_pop_intercross,Pm);
%计算目标函数
mutation_num=size(new_pop_mutation,1);
Total_Dis=[];
for k=1:mutation_num
[Result]=decode(new_pop_mutation(k,:),distance_max,capacity_max);
[Total_Dis(k,1)]=parameter(Result,Customer_num,Car_num);
end
%更新种群
new_pop_new=zeros(population_num,Customer_num);
[Total_Dissort, index] = sort(Total_Dis);
for k=1:population_num
new_pop_new(k,:)=new_pop_mutation(index(k),:);
end
population=new_pop_new;
%迭代次数加一
y=y+1;
end
Dis_min1=min(Total_Dis);
for k=1:mutation_num
if Total_Dis(k,1)==Dis_min1
position1= k;
break
end
end
X_Best=new_pop_mutation(position1,:)
Y_Obj=Total_Dis(position1,1)
t=toc;
三、交叉变异函数
交叉函数
function [new_pop_intercross]=Mating_pool(population_num,population,Pc)
%%
%输入:population,population_num,Pc
%输出：1.new_popopulation_intercross
% 2.c3，配对池：随机将种群population两两配对
% 3.pool
%%
pl=randperm(population_num);
num=population_num/2;
c3=zeros(2,num);
pool=[];
new_pop_intercross=population;
for kj=1:num
c3(1,kj)=pl(2*kj-1);
c3(2,kj)=pl(2*kj);
end%生成“配对池c3”
%%判断“配对池c3”每一对个体的随机数是否小于交叉概率Pc
rd=rand(1,num);
for kj=1:num
if rd(kj)<Pc
pool=[pool,c3(:,kj)];
end
end
%%判断配对池每一对个体的随机数是否小于交叉概率Pc,若小于，保存到“产子池pool”
pool_num=size(pool,2);
for kj=1:pool_num
c1=population(pool(1,kj),:);
c2=population(pool(2,kj),:);
[new_c1,new_c2]=cross(c1,c2);
new_pop_intercross(pool(1,kj),:)=new_c1;
new_pop_intercross(pool(2,kj),:)=new_c2;
end
end
变异函数
function [Mut_Pop]=Mutation(Cross_Pop,Pm)
Mut_Pop=Cross_Pop;
Cross_Pop_num=size(Cross_Pop,1);
for j=1:Cross_Pop_num
A=Cross_Pop(j,:);
A_1=A;
n=size(A,2);
r=rand(1,n);
Pe=find(r<Pm);%可以引入变异概率
sum_Pe=size(Pe,2);
for i=1:sum_Pe
c=A(Pe(i));
A_1(Pe(i))=A_1(find(r==max(r)));
A_1(find(r==max(r)))=c;
Mut_Pop=[Mut_Pop;A_1];
end
end
四、解码函数
decode.m
function [Result]=decode(T,distance_max,capacity_max)
%distance_max=50;
%capacity_max=8;
load Demand
load Distance
load X
WS=1;WT=1;
a1=0;b1=0;
for i=1:size(T,2)
if WT==1
a1=2*X(T(i));
b1=Demand(T(i));
elseif WT==2
a1=X(T(i-1))+X(T(i))+Distance(T(i),T(i-1));
b1=Demand(T(i-1))+Demand(T(i));
else
a1=0;b1=0;
for j=i-WT+1:i-1
a1=a1+Distance(T(j+1),T(j));
b1=b1+Demand(T(j));
end
b1=b1+Demand(T(i));
a1=a1+X(T(i-WT+1))+X(T(i));
end
if (a1>distance_max)|(b1>capacity_max)
a1=2*X(T(i));
b1=Demand(T(1));
WS=WS+1;
Result(i,:)=[T(i),WS,a1,b1];
WT=2;
else
Result(i,:)=[T(i),WS,a1,b1];
WT=WT+1;
end
end
parameter.m
function [Total_Dis]=parameter(Result,Customer_num,Car_num)
%% 解码
if Result(Customer_num,2)<=Car_num
Current_Workstation=1;
Total_Dis=0;
for i=1:Customer_num
if Result(i,2)==Current_Workstation;
continue
else
Total_Dis=Total_Dis+Result(i-1,3);
Current_Workstation=Current_Workstation+1;
end
end
Total_Dis=Total_Dis+Result(Customer_num,3);
else
Total_Dis=10000;%引入罚函数
end