【优化求解】基于matlab遗传和模拟退火的三维装箱问题【含Matlab源码 031期】

一、源代码

clc
clear all
global box; global cargo; global lambda; global num_cargo;global num_box;global solution;
 
%-------------------------------控制参数---------------------------
 
lambda = 0.5;       % 重量利用率权重
 
T0 = 100;           % 初始温度
T_End = 1;          % 终止温度
metropolis = 100;   % 退火算法中 metropolis链长度
cooling = 0.98;     % 降温系数
 
pop = 20;           %遗传算法染色体数
maxite = 100;       %遗传最大迭代次数
pm = 0.1;           %遗传变异概率
%--------------------------------------------------------------------
 
%----------------------------初始化：读取货箱信息 ----------------------------
orginal_cargo=load('cargo');box=load('box');
count=1;
for i=1:size(orginal_cargo,1)           %重构货物格式  cargo: 重 长 宽 高 体积 ；其中 长>宽>高
    for j=1:orginal_cargo(i,2)
        cargo(count,1:4) = orginal_cargo(i,3:6);
        cargo(count,5) = prod(cargo(count,2:4),2); 
        cargo(count,2:4) = sort(cargo(count,2:4),'descend');
        count=count+1;
    end
end         
for i=1:size(box,1)                          %重构箱子box: 重 长 宽 高 体积
    box(i,5)=prod(box(i,2:4),2);            
end
 
num_cargo=size(cargo,1);  % 货物数
num_box=size(box,1);      % 货箱数
 
solution= fix((num_box)*rand(1,num_cargo))+1;   %随机生成初始解
Scheme=transform(solution);                     %解转化成“货箱：货物”对应的形式
[feas_solution,Scheme]= placement(Scheme);             %装箱处理
[PG,PV,gbest ]= evaluate(feas_solution) ;      %计算适应度
 
%--------------------------------------------------------------------
 
%----------------------------退火------------------------
begin=cputime;   %开始计时
 
%遗传算法优化     GENE（染色体数/种群规模，最大迭代次数，染色体长度/维度，变异概率）
[final_solution,gbest]=GENE(pop,maxite,num_cargo,pm) ;  
 
%遗传执行完毕后  模拟退火进一步优化
T = T0;
while T > T_End
    for i=1:metropolis
        %-----------随机交换两件货物生成新解
        newsolution=final_solution;
        R1=fix(rand*num_cargo)+1;
        R2=fix(rand*num_cargo)+1;
        inter=newsolution(R1);
        newsolution(R1)=newsolution(R2);
        newsolution(R2)=inter;
        NewScheme=transform(newsolution);                   % 分配货箱
        [feas_solution,NewScheme]= placement(NewScheme);              % 装箱处理
        [NPG,NPV,pbest ]= evaluate(feas_solution);            % 评估新方案
        if pbest>gbest
            gbest = pbest;
            final_solution = newsolution;
            PG = NPG;
            PV = NPV;
            Scheme = NewScheme;
        else
            if  rand < exp( (pbest-gbest)*100*T0/T)
                gbest=pbest;
                final_solution=newsolution;
                PG = NPG;
                PV = NPV;
                Scheme = NewScheme;
            end
        end   
    end
    T = T * cooling;
end
 
timecost = cputime-begin;   %计时结束
 
 
%----------------------------输出结果------------------------
result(Scheme,15);      %将装箱方案Scheme 按每行15个货物显示
 
fprintf('重量利用率：\t%5.3f %%\n',PG*100);
fprintf('空间利用率：\t%5.3f %%\n',PV*100);
fprintf('综合利用率：\t%5.3f %%\n',gbest*100);
fprintf('计算时间：\t\t%5.4f s\n',timecost);
disp('图像生成中...')
depict( Scheme, 1,'c' )   %    ( 方案，画出编号为i箱子，颜色） 颜色：r\g\b\c\m\y\k\w
 
 
 

二、运行结果

三、备注

完整代码或者代写添加QQ2449341593
往期回顾>>>>>>
【优化求解】基于matlab粒子群优化灰狼算法【含Matlab源码 006期】
【优化求解】基于matlab多目标灰狼优化算法MOGWO 【含Matlab源码 007期】
【优化求解】基于matlab粒子群算法的充电站最优布局【含Matlab源码 012期】
【优化求解】基于matlab遗传算法的多旅行商问题【含Matlab源码 016期】
【优化求解】基于matlab遗传算法求最短路径【含Matlab源码 023期】