四川省医疗物资仓储基地选址优化：基于遗传算法的最佳位置和距离计算

该项目旨在利用遗传算法优化四川省医疗物资仓储基地的选址，以最小化基地到各城市医院的飞行总距离之和为目标。

首先，需要定义基因编码方式和适应度函数。这里采用二进制编码方式，将基地坐标和各医院坐标的经纬度分别转化为二进制串。适应度函数采用飞行总距离之和的倒数来表示，即适应度值越大，距离总和越小。

然后，使用遗传算法来搜索最优解。遗传算法的主要步骤包括：初始化种群、计算适应度、选择、交叉、变异和更新种群。其中，交叉和变异操作可以采用单点交叉和随机翻转两种方式。

最后，输出最优解的坐标和距离总和。

以下是MATLAB代码实现：

% 地级市和自治州的经纬度位置坐标
pos = [
    30.5702 104.0648;  % 成都
    30.8000 105.6000;  % 绵阳
    31.4675 104.6796;  % 南充
    31.2232 107.5003;  % 宜宾
    30.0500 101.9667;  % 阿坝
    31.1333 104.3833;  % 达州
    31.5633 103.7248;  % 广元
    32.4331 105.8434;  % 广安
    30.7953 106.0847;  % 德阳
    27.8866 102.2675;  % 凉山
    29.6000 103.7333;  % 泸州
    30.0500 103.8333;  % 绵竹
    31.4167 104.7500;  % 内江
    31.1311 104.3970;  % 遂宁
    30.4963 105.4828;  % 宜宾市
    28.1667 104.5000;  % 巴中市
    30.8000 106.1000;  % 雅安市
    26.5833 101.7333;  % 怒江州
    27.8333 99.7000;   % 迪庆州
    30.0000 102.0000;  % 攀枝花
    28.9667 102.1833;  % 西昌
    27.3000 103.7333;  % 丽江
];

% 遗传算法参数设置
popSize = 100;          % 种群大小
maxGen = 100;           % 最大迭代次数
pc = 0.8;               % 交叉概率
pm = 0.01;              % 变异概率
minDist = inf;          % 最短距离
bestPos = zeros(1, 26); % 最优坐标

% 初始化种群
pop = initPop(popSize, 26);

% 开始迭代
for i = 1:maxGen
    % 计算适应度
    fit = calcFitness(pop, pos);
    
    % 选择
    parents = select(pop, fit);
    
    % 交叉
    offspring = crossover(parents, pc);
    
    % 变异
    offspring = mutation(offspring, pm);
    
    % 更新种群
    pop = [pop; offspring];
    fit = [fit; calcFitness(offspring, pos)];
    [fit, idx] = sort(fit, 'descend');
    pop = pop(idx(1:popSize), :);
    
    % 记录最优解
    if fit(1) > 1/minDist
        minDist = 1/fit(1);
        bestPos = decode(pop(1,:), pos);
        fprintf('第%d代更新，距离总和为%f\n', i, minDist);
    end
end

% 输出最优解
fprintf('最优坐标为：\n');
disp(bestPos);
fprintf('距离总和为：%f\n', minDist);

% 初始化种群
function pop = initPop(popSize, n)
    pop = rand(popSize, n);
    pop = (pop > 0.5);
end

% 计算适应度
function fit = calcFitness(pop, pos)
    n = size(pop, 1);
    fit = zeros(n, 1);
    for i = 1:n
        p = decode(pop(i,:), pos);
        d = dist(p);
        fit(i) = 1/d;
    end
end

% 选择
function parents = select(pop, fit)
    n = size(pop, 1);
    parents = zeros(n, size(pop, 2));
    for i = 1:n
        idx1 = randi(n);
        idx2 = randi(n);
        if fit(idx1) > fit(idx2)
            parents(i,:) = pop(idx1,:);
        else
            parents(i,:) = pop(idx2,:);
        end
    end
end

% 交叉
function offspring = crossover(parents, pc)
    n = size(parents, 1);
    m = size(parents, 2);
    offspring = zeros(n, m);
    for i = 1:n/2
        if rand() < pc
            pos = randi(m-1);
            offspring(2*i-1,:) = [parents(2*i-1,1:pos), parents(2*i, pos+1:end)];
            offspring(2*i,:) = [parents(2*i,1:pos), parents(2*i-1, pos+1:end)];
        else
            offspring(2*i-1,:) = parents(2*i-1,:);
            offspring(2*i,:) = parents(2*i,:);
        end
    end
end

% 变异
function offspring = mutation(parents, pm)
    n = size(parents, 1);
    m = size(parents, 2);
    offspring = parents;
    for i = 1:n
        for j = 1:m
            if rand() < pm
                offspring(i,j) = ~offspring(i,j);
            end
        end
    end
end

% 解码
function p = decode(gene, pos)
    n = size(pos, 1);
    m = size(pos, 2);
    p = zeros(1, 2);
    p(1) = bin2dec(num2str(gene(1:m/2)));
    p(2) = bin2dec(num2str(gene(m/2+1:end)));
    p = p/10;
    p = [pos(1,:); p; pos(2:n,:)];
end

% 计算距离
function d = dist(p)
    n = size(p, 1);
    d = 0;
    for i = 1:n-1
        for j = i+1:n
            d = d + calcDist(p(i,:), p(j,:));
        end
    end
end

% 计算两点之间的距离
function d = calcDist(p1, p2)
    R = 6371; % 地球半径，单位km
    lat1 = deg2rad(p1(1));
    lon1 = deg2rad(p1(2));
    lat2 = deg2rad(p2(1));
    lon2 = deg2rad(p2(2));
    dlat = lat2 - lat1;
    dlon = lon2 - lon1;
    a = sin(dlat/2)^2 + cos(lat1)*cos(lat2)*sin(dlon/2)^2;
    c = 2*atan2(sqrt(a), sqrt(1-a));
    d = R*c;
end

该代码使用遗传算法，通过迭代优化找到最优的基地坐标和最小的总距离。代码中包含了详细的注释，方便理解代码逻辑。

希望以上内容对您有所帮助，如有任何疑问，请随时提出！