基于遗传算法的电动汽车规划

​

    建立电动汽车概率出行模型，该模型考虑了路网、排队时间等，以投资成本和时间成本最优为目标，优化电动汽车的建设位置，采用基因遗传算法求解。内附参考文献

                          ​​​​​​​        ​​​​​​​        ​​​​​​​        

 1、部分代码

clear ;
clc;
global data;
global CodeL;
load data;

B = Road_Net_Drawing();
Size=100;
CodeL=9*3;  

for i=1:CodeL/3
    
MinX((i-1)*3+1)=0;
MaxX((i-1)*3+1)=25;
MinX((i-1)*3+2)=0;
MaxX((i-1)*3+2)=25;
MinX((i-1)*3+3)=5;
MaxX((i-1)*3+3)=15;
end
for i=1:CodeL
E(:,i)=MinX(i)+(MaxX(i)-MinX(i))*rand(Size,1);
end
G=100;
BsJ=0;
ag=0;
dg1=0;
ah1=0;
ah2=0;
dh1=0;
dh2=0;

for kg=1:1:G
time(kg)=kg;

%****** Step 1 : 寻找最佳染色体 ******
for i=1:1:Size
xi=E(i,:);

 [C_T,C_c]=finess(xi);
F(i)=10000000000-(C_T+C_c);
Ji=1./F;
BsJi(i)=min(Ji);

end
 
[OderJi,IndexJi]=sort(BsJi);
BestJ(kg)=OderJi(1);
BJ=BestJ(kg);
Ji=BsJi+1e-10;   

fi=F;
   
   [Oderfi,Indexfi]=sort(fi);    %对染色体按照适应度值进行排序
   Bestfi=Oderfi(Size);         
   BestS=E(Indexfi(Size),:);
   
   bfi(kg)=10000000000-Bestfi;

   kg   
   BestS
%****** Step 2 : 选择******
   fi_sum=sum(fi);
   fi_Size=(Oderfi/fi_sum)*Size;
   
   fi_S=floor(fi_Size);                   
   r=Size-sum(fi_S);
   
   Rest=fi_Size-fi_S;
   [RestValue,Index]=sort(Rest);
   
   for i=Size:-1:Size-r+1
      fi_S(Index(i))=fi_S(Index(i))+1;     
   end

   k=1;
   for i=Size:-1:1        
      for j=1:1:fi_S(i)  
       TempE(k,:)=E(Indexfi(i),:);      
         k=k+1;                          
      end
   end
   
%************ Step 3 : 交叉 ************
    Pc=0.90;
    for i=1:2:(Size-1)
          temp=rand;
      if Pc>temp                     
          alfa=rand;
          TempE(i,:)=alfa*E(i+1,:)+(1-alfa)*E(i,:);  
          TempE(i+1,:)=alfa*E(i,:)+(1-alfa)*E(i+1,:);
      end
    end
    TempE(Size,:)=BestS;
    E=TempE;
    
%************ Step 4:变异 **************
Pm=0.10-[1:1:Size]*(0.01)/Size;      
Pm_rand=rand(Size,CodeL);
Mean=(MaxX + MinX)/2; 
Dif=(MaxX-MinX);

   for i=1:1:Size
      for j=1:1:CodeL
         if Pm(i)>Pm_rand(i,j)       
            TempE(i,j)=Mean(j)+Dif(j)*(rand-0.5);
         end
      end
   end

   TempE(Size,:)=BestS;      
   E=TempE;
end
for i=1:CodeL/3
positions(i,1)=BestS(((i-1)*3+1));
positions(i,2)=BestS((i-1)*3+2); 
q(i)=round(BestS((i-1)*3+3));
end
hold on
scatter(positions(:,1),positions(:,2),'*r')
% positions(9,1)=4.12;
% positions(9,2)=4.21; 
% 
% positions(5,1)=1.67;
% positions(5,2)=3.51; 
figure(2);
plot(time,bfi,'b');
xlabel('迭代次数');ylabel('目标函数');
dWqk=135./q;
C_allnum=[4,2150; 5 2060; 6 2050; 7 2150; 8 2060; 9 1980; 10 2050;11 2180;12 2260 ];
for i=1:9
  C_allnum(i,2)  = C_allnum(i,2)*3110/1980;
end
figure(3);
plot(C_allnum(:,1),C_allnum(:,2),'-ob');
xlabel('充电站数目');ylabel('总成本（万元）');

 [C_c,C_v,T1,T2,T3]=verify(BestS);
 c1=14.32*365*(T1)/60;  %寻找充电站的耗时本
 c2=14.32*365*(T2)/60;  %排队等待成本成本
 c3=14.32*365*(T3)/60;  %寻找乘客的成本

2、结果展示

​

 ​

 ​

 

 

 

 

​