遗传算法优化物流配送中心选址的MATLAB实现

1. 物流配送中心选址问题概述

物流配送中心选址是供应链管理中的经典优化问题，其核心目标是在满足客户需求的前提下，选择最优的配送中心位置和配送方案，以最小化运输成本。这个问题属于NP难问题，当规模较大时，传统数学规划方法难以在合理时间内求得最优解。

在实际应用中，我们通常会遇到以下典型场景：

• 某区域有N个需求点（如快递揽收站）
• 需要从M个候选配送中心中选择最优组合
• 每个配送中心有最大容量限制
• 每个需求点只能由一个配送中心服务
• 目标是最小化总运输成本（通常与距离成正比）

2. 遗传算法求解框架设计

2.1 染色体编码方案

在遗传算法中，我们采用直接编码方式：

• 染色体长度等于需求点数量
• 每个基因位表示对应需求点分配的配送中心编号
• 例如：[2 1 3]表示：
  • 第1个需求点由配送中心2服务
  • 第2个需求点由配送中心1服务
  • 第3个需求点由配送中心3服务

这种编码直观且易于实现交叉、变异等遗传操作。

2.2 适应度函数设计

适应度函数需要同时考虑：

1. 运输成本（目标最小化）
2. 容量约束（硬约束）

matlab复制function total_cost = fitness(chromo, dist_matrix, demand, capacity)
    % chromo: 染色体编码
    % dist_matrix: 距离矩阵(dist_matrix(i,j)表示需求点i到配送中心j的距离)
    % demand: 各需求点的需求量
    % capacity: 各配送中心的容量
    
    centers = unique(chromo); % 当前使用的配送中心
    total_demand = accumarray(chromo', demand); % 各中心承载需求
    
    % 超载惩罚计算
    penalty = sum(max(total_demand - capacity(centers), 0))*1000; 
    
    % 计算实际运输距离
    route_cost = sum(arrayfun(@(i) dist_matrix(chromo(i), i), 1:length(chromo)));
    
    total_cost = route_cost + penalty; % 最终适应度
end

关键点说明：

1. accumarray函数高效统计各配送中心的总需求
2. 超载惩罚系数设为1000确保无效解被淘汰
3. arrayfun实现向量化计算，提升效率

2.3 种群初始化策略

纯随机初始化会产生大量无效解（违反容量约束），我们采用随机分配+贪心修正的策略：

matlab复制function pop = init_pop(pop_size, num_sites, num_centers, capacity, demand)
    pop = zeros(pop_size, num_sites);
    for i=1:pop_size
        % 初始随机分配
        temp = randi(num_centers, 1, num_sites);
        
        % 贪心修正：确保容量约束
        while true
            used_centers = unique(temp);
            demands = accumarray(temp', demand);
            overload = find(demands > capacity(used_centers));
            if isempty(overload), break; end
            
            % 对超载站点重新分配
            for c = overload'
                sites = find(temp == used_centers(c));
                to_move = sites(randperm(length(sites),1));
                temp(to_move) = randi(num_centers);
            end
        end
        pop(i,:) = temp;
    end
end

这种策略的优势：

1. 保持初始种群的多样性
2. 避免大量无效解浪费计算资源
3. 修正过程计算量小

3. 遗传操作实现细节

3.1 改进的顺序交叉(OX)操作

传统OX交叉会破坏配送中心与需求点的关联关系，我们采用稳定模式的改进OX：

matlab复制function chi