【EVRPTW】低碳时代下不完全充电策略的电动汽车车辆路径优化问题

时间：2024-04-29 04:15:17    点击量：

现在市面上已经存在了很多的VRP、VRPTW问题代码。但是针对EVRPTW的matlab开源代码却比较少。

github上找到了一个比较相近的代码，分享如下，大家可以下载学习：

https://github.com/jiujiuxia/GOC-EVRPTW

由于是短暂性的学习VRP问题，且python基础较差。因此，我将对上面代码中的思路2进行学习，并在此基础上稍作改动。

遗传算法作为一种经典的启发式算法，在这里不作过多讲解。
值得注意的是，遗传算法的使用场景十分广泛，包括在其基础上衍生的差分进化算法。有兴趣的UU可以进行深入研究。

主程序：

pd.DataFrame（）
二维数据结构，表示一个表格，类似于电子表格的数据结构。每一列可以用于储存不同的类型值。
使用该功能时，需要导入包：
import pandas as pd
import numpy as np

代码：
for i in range(3):
print(i)

结果：
0
1
2

所以上面这个代码的目的是遍历目前存在的几个excel表。
包括 “0_0.xlsx”、“0_1.xlsx”、“0_2.xlsx”以及“result_0_0”、“result_0_1”、““result_0_2””

选择ID大于1000的station，放在station列表中。

可以将数组转换为DataFrame格式：

提取第1列中的点，放入node中

循环迭代，保证每个遍历的说station都放在node中。

data为 “0_0.xlsx”、“0_1.xlsx”、“0_2.xlsx”中的数据。

cus_data为type为2的数据

pd.merge，进行表格之间的拼接。
how: One of ‘left’, ‘right’, ‘outer’, ‘inner’. 默认inner。inner是取交集，outer取并集。比如left：[‘A’,‘B’,‘C’];right[’'A,‘C’,‘D’]；inner取交集的话，left中出现的A会和right中出现的买一个A进行匹配拼接，如果没有是B，在right中没有匹配到，则会丢失。'outer’取并集，出现的A会进行一一匹配，没有同时出现的会将缺失的部分添加缺失值。

excel中type为2，即为客户点。type为3，则为换电站。

一些参数设定。
其中，晚到惩罚成本很大，即不能晚到。

all_node统计的为type=2下的节点。

计算两个节点之间的距离和驾驶时间。

计算目标函数下的各个成本。
其他代码为遗传算法下的固定代码。不需要任何的修改。