پروژه آموزشی کدنویسی فروشنده دوره گرد با انتخاب بهینه زمان کاری فروشنده و محدودیت زمان مشتری با متلب

کد نویسی مساله فروشنده دوره گرد که از چند نقطه مختلف شروع میشود و با توجه به زمان در دسترس ( زمان کاری فروشنده ها) و محدودیت زمان خدمت دهی به مشتریان ( پنجره زمانی مشتریان) بهینه ترین فاصله را انتخاب میکند . البته با الگوریتم زنتیک . در آخر الگوریتم یک شرط پویایی اضافه شود بطوریکه شروع الگوریتم از مکان اولین مشتری بعنوان مکان شروع حرکت فروشنده ها استفاده کندو زمان باقیمانده کاری با احتساب خدمت دهی به مشتری اول تمام فروشنده ها باشد . برای مثال ما 5 فروشنده داریم با 5 مختصات که مربوط به نقطه شروع میگردد و 30 مشتری با مختصات و پنجره زمانی و زمان خدمت درخواستی مشخص . در ابتدای حل الگوریتم یک مسیر بهینه برای هر فروشنده با توجه به زمان کاری روزانه و سایر محدودیتهای ارائه میکند . برای تکرار الگوریتم میخواهیم الگوریتم مختصات اولین مشتری که در دور قبل بعنوان مسیر بهینه انتخاب شده را بعنوان نقطه شروع بگیرد که در این صورت زمان کاری در دسترس برای هر فروشنده برابر با زمان کل منهای زمان سفر و زمان خدمت به مشتری اولش است که بعنوان مقدار جدید محدودیت استفاده میگردد و مختصات نقطه شروع مختصات اولین مشتری خواهد شد و تعداد کل مشتریها از 30 به 25 کاهش میابد و این تکرار ادامه مییابد تا الگوریتم در انتها یک جواب بهینه با توجه به نقاط بهینه قبلی تا آخرین مشتری تخصیص دهد . انجام پروژه متلب

نحوه اجرای پروژه:
برای اجرای پروژه فایل Main.m را در متلب اجرا کنید. پس از اتمام کار نمودار ها و خروجی ها نمایش
داده می شوند.
فایل ها:
Main.m اسکریپت اصلی پروژه است که باید اجرا شود.
Read.m تابع پیاده خواندن فایل های اکسل است.
GA.m متد پیاده سازی الگوریتم ژنتیک است.
Data_set پوشه داده های مساله است در این پوشه فایل K.csv داده های مراقب ها و P.csv داده های بیمار
ها است. در K.csv ستون ها به ترتیب نماینده مختصات x ، مختصات y ، جنسیت و تجربه می باشند و در
P.csv ستون ها به ترتیب نماینده مختصات x ، مختصات y – ، بازه زمانی مورد نیاز بیمار) یکی از سه بخش 1
3( ، جنسیت ) 1 یا 2( و میزان تجربه مورد نیاز است. داده های مختصات نیز در دستگاه دکارتی تعریف شده
اند.
پارامتر ها:
پارامتر ها در خطوط 5-12 فایل Main قابل تنظیم هستند.
GA_p_size : تعداد نمونه ها در جمعیت است.
GA_l_size : تعداد تکرار الگوریتم ژنتیک می باشد.
GA_m_prop )0- : احتمال عملگر جهش است) 1
GA_c_prop : احتمال عملگر جا به جایی است.
GA_c_par(1,1) : سرعت حرکت فروشنده ها است ) بر اساس واحد فاصله بر ساعت(
GA_c_par(1,2) : زمان آغاز کار فروشنده.
زمان پایان کار فروشنده. :GA_c_par(1,3)
GA_c_par(1,4) : تعداد پنجره های زمانی.
GA_c_par(1,5 : زمان مورد نیاز خدمت بر اساس ساعت