【路径规划】基于粒子群算法求解VRPTW模型matlab源码.md

带时间窗的车辆路径问题 带时间窗（VRPTW）的车辆路径问题的计算后勤。 求解技术，粒子群优化（PSO）算法和遗传算法（GA）在VRPTW中的应用比较回顾。 解决方案算法 解决方案技术算法基于并根据下面给出的相应参考文献进行。 该算法使用Python 3进行编码。 VRPTW的遗传算法： Ombuki，Beatrice，Brian J. Ross和Franklin Hanshar。 “带有时间窗的车辆路径问题的多目标遗传算法。” 应用智能24.1（2006）：17-30。 VRPTW的粒子群优化算法： 龚永杰，张静，刘澳，黄瑞珠，钟HS，史玉华。 使用时间窗优化车辆路径问题：离散粒子群优化方法。 IEEE关于系统，人与控制论的交易，C部分（应用和评论）。 2012年3月； 42（2）：254-67。 数据集：所罗门基准数据集 更新的文件： 对于每种算法和各自的指标，可以在以下文件

使用模拟退火算法解决带时间窗的车辆路径问题，matlab代码

VRPTW 数据集，包括Solomon 和 Gehring & Homberger的benchmark。并且附上最优解的截图。

GA解决VRPTW，借用大佬的代码，微量的积分，谢谢，设置的1.

有关目标优化的VRP标准测试数据集，分成C，R，RC三种

py-ga-VRPTW-master.zip

蚁群算法

有时间窗、车辆数、载货、车速等，注释全，可参考学习

有时间窗、载货要求，车辆数要求、但配送中心，注释全可供学习