2

晚上好，

作为数据分析课程的一部分，我们被投入到元启发式领域......我真的很难理解如何在 R 中实现禁忌搜索，因为我的编程背景相当有限。

我也没有在 Google 或 youtube 上找到任何R示例Python，所以我真的很祈祷我能在这里找到一些东西。

我遇到的问题类似于优化中的“位置问题”。我需要找到集线器的最佳组合，以最小化集线器和节点之间的总距离。

我需要找到5 hubs，每个人的总容量是120

nodes <- structure(list(node_number = 1:50, 
               x = c(2L, 80L, 36L, 57L, 33L, 76L, 77L, 94L, 
                     89L, 59L, 39L, 87L, 44L, 2L, 19L, 5L, 
                     58L, 14L, 43L, 87L, 11L, 31L, 51L, 55L, 
                     84L, 12L, 53L, 53L, 33L, 69L, 43L, 10L, 
                     8L, 3L, 96L, 6L, 59L, 66L, 22L, 75L, 4L, 
                     41L, 92L, 12L, 60L, 35L, 38L, 9L, 54L, 1L), 
               y = c(62L, 25L, 88L, 23L, 17L, 43L, 85L, 6L, 11L, 
                     72L, 82L, 24L, 76L, 83L, 43L, 27L, 72L, 50L, 
                     18L, 7L, 56L, 16L, 94L, 13L, 57L, 2L, 33L, 10L, 
                     32L, 67L, 5L, 75L, 26L, 1L, 22L, 48L, 22L, 69L,
                     50L, 21L, 81L, 97L, 34L, 64L, 84L, 100L, 2L, 9L, 59L, 58L), 
               node_demand = c(3L, 14L, 1L, 14L, 19L, 2L, 14L, 6L, 
                               7L, 6L, 10L, 18L, 3L, 6L, 20L, 4L, 
                               14L, 11L, 19L,  15L, 15L, 4L, 13L, 
                               13L, 5L, 16L, 3L, 7L, 14L, 17L, 
                               3L, 3L, 12L, 14L, 20L, 13L, 10L, 
                               9L, 6L, 18L, 7L, 20L, 9L, 1L, 8L, 
                               5L, 1L, 7L, 9L, 2L)), 
          .Names = c("node_number", "x", "y", "node_demand"), 
          class = "data.frame", row.names = c(NA, -50L))


hubs_required = 5
total_capacity = 120

我的策略是创建一个distance matrix，然后我将创建另一个 50 x 50 矩阵来表示节点是否成为集线器，最后我将两者相乘并添加所有距离以获得总距离。

我创建了数据框：

nodes_df <- as.data.frame(nodes)
colnames(nodes_df) <- c("x", "y", "node_demand")
rownames(nodes_df) <- paste('Node',1:50)

我创建了距离矩阵

distance_df <-as.data.frame(as.matrix(round(dist(nodes_df,method = "euclidean",diag = TRUE,upper = TRUE))))
colnames(distance_df) <- paste("Node",1:50)

我创建了节点需求矩阵：

demand <- as.vector(rep(c(nodes_df[,'node_demand']),50)) 
demand_matrix <- matrix(demand,nrow=50,ncol=50,byrow = TRUE)
diag(demand_matrix) <- 0
demand_matrix <- as.data.frame(demand_matrix)

我创建了一个空矩阵来显示 a 是否变为nodeahub "1""0"

hubs_matrix <- matrix(0,nrow = 50,ncol = 50,byrow = TRUE)
colnames(hubs_matrix) <- paste("Hub",1:50)
rownames(hubs_matrix) <- paste("Node",1:50)

然后创建初始解决方案，我随机分配Hubs并计算距离和需求。

set.seed(37)
hubs_matrix <- do.call("cbind", lapply(1:50, function(x) sample(c(1, rep(0, 49)), 50)))
sum_distances <- (hubs_matrix * distance_df)
sum(rowSums(sum_distances))

这个想法是尝试“1”和“0”的不同组合以最小化总距离，但我遇到以下问题：

  • 我不知道如何进行本地搜索并从初始解决方案中进行排列。

  • 我不知道如何防止 R 在一段时间内使用最佳解决方案，即禁忌列表

  • 我不知道如何处理每个节点的供应限制（每个节点的总需求 < 120），我可以通过循环来做到这一点，但因为在这种情况下我正在乘以矩阵，所以我很迷茫。

谁能帮我一把？？？

非常感谢！

4

0 回答 0