问题描述
我正在尝试在 python 中使用 GA 解决 CVRP 物流问题。问题本身听起来像这样：
找到 CVRP 问题的至少 3 条路径的最优解，其中 15 顾客。客户位置、他们的需求和车辆最大容量 可以随机。
在阅读了大量关于 GA 实施到物流的信息后，我仍然想知道它的解决方案应该如何在我的情况下进行。
假设我将所有有效路线（总需求不超过车辆容量）编码为二进制代码。
例如： 路线一 [0 -> 1 -> 0] 结尾：bin(1)
路线 2 [0 -> 2 -> 0] 编码：bin(2)
路线 15： [0 -> 15 -> 0] 编码：bin(15)
和路线 16 分别： [0 -> 1 -> 2 -> 0] 编码：bin(16)
大约有 38.000 条可能的路线，其中 1940 条有效（不超过车辆容量）。 1940 二进制编码应该是 11110010111，=> 11 个二进制数字，因此我们将每个染色体固定为 11 个二进制数字长度（例如 bin(1) = 00000000001），让 GA 执行所有操作（选择、交叉、突变）。
我们还对 11111111111(2047) 之前不存在的路由进行编码，但为它们分配了极低的适应度，以确保它们在 GA 选择期间得到过滤。
总体目标是找到至少 3 条路线，通过所有客户并覆盖最小距离。
那么，是时候提问了：
• 我是否使用了正确的编码？
• 在我的案例中，GA 实施的结果应该是什么？
• 如何设置停止算法的条件？
• 假设我的种群长度为 100 个个体，例如在我达到第 50 代后如何找到最佳路线？我怎么知道这 100 个人中哪一个是最佳的？
我不确定，我已经以体面的方式解释了所有内容，如果没有，请告诉我，我会尝试提供更多细节甚至代码。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）