有关车辆路径问题VRP代码

clear
clc
tic
%加载配送网络相关数据
load A32_data

%计算距离矩阵
D=Distanse（Clist）;

%% 初始化
%初始化遗传算法各参数
ind_N=200;          %种群中个体数
Max_gen=400;       %最大迭代次数

%记录最好解、平均解
global_best=inf*ones（1Max_gen+1）;%记录全局最好解的值
local_best=inf*ones（1Max_gen+1）;%记录局部最好解的值

%初始化种群（产生初始解）
Chrom=zeros（ind_NN）;
for i=1:ind_N
    Chrom（i:）=randperm（N）;     %随机初始化路径
end

%计算初始种群中各个体的适应度
Ind_V=zeros（ind_N1）;
for i=1:ind_N
    Ind_V（i）=fit（Chrom（i:）DemandDQN）;
end

%选择操作
[~idx]=sort（Ind_V‘descend‘）;              %对种群中个体按适应度从高到低排序
for a=1:ind_N/4
    Chrom（a:）=Chrom（idx（1）:）;
end
Chrom（ind_N/4+1:ind_N/2:）=Chrom（idx（1:ind_N/4）:）;
Chrom（ind_N/2+1:3*ind_N/4:）=Chrom（idx（1:ind_N/4）:）;
Chrom（3*ind_N/4+1:end:）=Chrom（idx（1:ind_N/4）:）;

local_best（1）=1/Ind_V（idx（1））;                  %记录局部最好解的值
global_best（1）=local_best（1）;                   %记录全局最好解的值
global_ind=Chrom（idx（1））;                       %记录全局最好解
local_ind=Chrom（idx（1））;                        %记录局部最好解

%% 开始迭代
wb=waitbar（0‘正在搜索......请等待‘）;
for gen=1:Max_gen
    
    %交叉/变异（由于交叉变异的目的是获得新个体，此处简单化处理）
    tmp_Chrom=zeros（ind_NN）;
    for i=1:ind_N
        tmp_ind=Chrom（i:）;
        M=randi（N[12]）;I=min（M）;J=max（M）;
        tmp_ind（I:J）=fliplr（tmp_ind（I:J））;
        tmp_Chrom（