✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
一、引言
大规模单仓库多旅行商问题（LS - SDMTSP）在物流配送、资源分配等众多领域有着广泛应用。该问题旨在从一个中心仓库出发，安排多个旅行商遍历一系列客户点，要求每个客户点仅被访问一次，且所有旅行商的总行程最短。多元宇宙优化算法（MVO）作为一种新兴的智能优化算法，借鉴了宇宙学中的一些概念和规律，为解决 LS - SDMTSP 问题提供了新的思路。本文将深入探讨基于 MVO 的 LS - SDMTSP 算法。
二、大规模单仓库多旅行商问题（LS - SDMTSP）
（一）问题描述
假设有一个仓库和 n 个客户点，以及 m 个旅行商。每个旅行商从仓库出发，依次访问部分客户点后返回仓库，且所有客户点都必须被访问到。目标是合理分配客户点给各个旅行商，并规划每个旅行商的路线，使得所有旅行商的总行程最小。
三、多元宇宙优化算法（MVO）
（一）算法原理
MVO 模拟了多元宇宙中不同宇宙的进化过程。在 MVO 中，每个宇宙代表问题的一个潜在解，宇宙的特征由其物理定律（对应解的参数）决定。算法主要包括三个关键步骤：白洞效应、黑洞效应和虫洞旅行。
白洞效应：在多元宇宙中，白洞被认为是物质和能量的源。在算法中，白洞代表当前找到的最优解（即适应度最好的宇宙）。其他宇宙会受到白洞的影响，向白洞的物理定律靠近，类似于其他解向最优解的搜索过程。
黑洞效应：黑洞具有强大的引力，能吸收周围的物质和能量。在 MVO 中，黑洞的作用是偶尔随机选择一个宇宙，并将其替换为一个新的随机生成的宇宙，这有助于增加种群的多样性，避免算法陷入局部最优。
虫洞旅行：虫洞被假设为连接不同宇宙的通道。在算法中，通过一定的概率，一个宇宙可以通过虫洞旅行到另一个宇宙，这使得算法能够在解空间中进行更广泛的搜索。
（二）算法流程
初始化多元宇宙：随机生成一组宇宙（即问题的初始解），每个宇宙包含旅行商的路径分配信息。同时，初始化每个宇宙的适应度值（根据目标函数计算）、白洞（当前最优解）等参数。
迭代优化：
计算适应度：根据目标函数计算每个宇宙的适应度值，评估当前解的优劣。
白洞更新：比较所有宇宙的适应度值，更新白洞为当前最优解。
白洞效应：对于每个非白洞的宇宙，根据一定的概率，按照白洞的物理定律（即最优解的结构）对其进行调整，使该宇宙向白洞靠近。
黑洞效应：以一定的概率选择一个宇宙，将其替换为一个新的随机生成的宇宙，增加种群的多样性。
虫洞旅行：每个宇宙以一定的概率通过虫洞旅行到另一个随机选择的宇宙，进行解空间的探索。
终止条件判断：检查是否满足终止条件，如达到最大迭代次数或适应度值收敛到一定精度。如果满足终止条件，则输出当前白洞（即最优解）；否则，返回步骤 2 继续迭代。
四、基于 MVO 的 LS - SDMTSP 算法设计
（一）编码方式
采用一种基于路径表示的编码方式。对于 m 个旅行商和 n 个客户点的 LS - SDMTSP 问题，将所有客户点按顺序编号。每个宇宙（解）表示为一个长度为 n 的序列，序列中的每个元素对应一个客户点编号。然后根据一定的规则将这个序列分配给 m 个旅行商，形成每个旅行商的路径。例如，对于 n=10，m=3 的问题，一个宇宙可能编码为 [3,7,1,9,5,2,8,4,6,10]，通过某种分配规则（如按顺序分配），可以得到旅行商 1 的路径为 [0,3,7,0]，旅行商 2 的路径为 [0,1,9,5,0]，旅行商 3 的路径为 [0,2,8,4,6,10,0]（这里 0 代表仓库）。
（二）适应度函数
适应度函数直接采用 LS - SDMTSP 问题的目标函数，即所有旅行商的总行程。对于给定的一个宇宙（解），根据编码方式确定每个旅行商的路径，然后计算所有旅行商路径的总长度作为该宇宙的适应度值。适应度值越小，说明该解越优。
（三）MVO 算子在 LS - SDMTSP 中的应用
白洞效应应用：当执行白洞效应时，对于非白洞的宇宙，根据其与白洞（最优解）的差异，调整其编码序列。例如，如果白洞的编码序列中客户点 A 紧跟在客户点 B 之后，而当前宇宙中这两个客户点的顺序不同，则以一定概率调整当前宇宙中这两个客户点的顺序，使其更接近白洞的结构。
黑洞效应应用：在 LS - SDMTSP 中，当触发黑洞效应时，随机生成一个新的客户点序列，并按照编码方式将其分配给旅行商，替换被选择的宇宙。这样可以引入新的解结构，避免算法过早收敛到局部最优。
虫洞旅行应用：在虫洞旅行过程中，随机选择一个目标宇宙，然后将当前宇宙中的部分客户点序列与目标宇宙中的对应部分进行交换。例如，当前宇宙为 [3,7,1,9,5,2,8,4,6,10]，目标宇宙为 [5,2,6,8,3,1,9,4,7,10]，随机选择一段序列（如从第 3 个元素开始的 3 个元素），将当前宇宙的 [1,9,5] 与目标宇宙的 [6,8,3] 进行交换，得到新的当前宇宙 [3,7,6,8,3,2,8,4,6,10]，然后重新分配给旅行商，探索新的解空间。
⛳️ 运行结果
📣 部分代码
% This function draws the benchmark functionsfunction func_plot(func_name)[lb,ub,dim,fobj]=Get_Functions_details(func_name);switch func_namecase 'F1'x=-100:2:100; y=x; %[-100,100]case 'F2'x=-100:2:100; y=x; %[-10,10]case 'F3'x=-100:2:100; y=x; %[-100,100]case 'F4'x=-100:2:100; y=x; %[-100,100]case 'F5'x=-200:2:200; y=x; %[-5,5]case 'F6'x=-100:2:100; y=x; %[-100,100]case 'F7'x=-1:0.03:1; y=x %[-1,1]case 'F8'x=-500:10:500;y=x; %[-500,500]case 'F9'x=-5:0.1:5; y=x; %[-5,5]case 'F10'x=-20:0.5:20; y=x;%[-500,500]case 'F11'x=-500:10:500; y=x;%[-0.5,0.5]case 'F12'x=-10:0.1:10; y=x;%[-pi,pi]case 'F13'x=-5:0.08:5; y=x;%[-3,1]case 'F14'x=-100:2:100; y=x;%[-100,100]case 'F15'x=-5:0.1:5; y=x;%[-5,5]case 'F16'x=-1:0.01:1; y=x;%[-5,5]case 'F17'x=-5:0.1:5; y=x;%[-5,5]case 'F18'x=-5:0.06:5; y=x;%[-5,5]case 'F19'x=-5:0.1:5; y=x;%[-5,5]case 'F20'x=-5:0.1:5; y=x;%[-5,5]case 'F21'x=-5:0.1:5; y=x;%[-5,5]case 'F22'x=-5:0.1:5; y=x;%[-5,5]case 'F23'x=-5:0.1:5; y=x;%[-5,5]endL=length(x);f=[];for i=1:Lfor j=1:Lif strcmp(func_name,'F15')==0 && strcmp(func_name,'F19')==0 && strcmp(func_name,'F20')==0 && strcmp(func_name,'F21')==0 && strcmp(func_name,'F22')==0 && strcmp(func_name,'F23')==0f(i,j)=fobj([x(i),y(j)]);endif strcmp(func_name,'F15')==1f(i,j)=fobj([x(i),y(j),0,0]);endif strcmp(func_name,'F19')==1f(i,j)=fobj([x(i),y(j),0]);endif strcmp(func_name,'F20')==1f(i,j)=fobj([x(i),y(j),0,0,0,0]);endif strcmp(func_name,'F21')==1 || strcmp(func_name,'F22')==1 ||strcmp(func_name,'F23')==1f(i,j)=fobj([x(i),y(j),0,0]);endendendsurfc(x,y,f,'LineStyle','none');end
