Matlab遗传算法在生鲜果蔬冷链配送路径优化求解中的应用：加入拥堵系数矩阵的
模型实例及详细注释
最近在搞生鲜冷链配送路径优化，发现纯算距离的成本模型太理想化。北京四环早高峰堵成狗的时
候，生鲜车要是卡在路上，冷链成本能直接起飞。今天说个自建的改进模型——带实时拥堵系数的遗传算法
求解。
先看目标函数设计。总成本=固定成本（车辆损耗）+变动成本（油耗*距离）+货损成本（时间*生鲜损
耗率）+时间窗惩罚成本。关键是把拥堵系数矩阵揉进变动成本和货损成本里：
```matlab
function total_cost = fitness(route)
% route: 配送路径数组，如[0,3,1,2,0]表示从仓库0出发依次配送3、1、2点
global distance_matrix time_matrix congestion_coef cold_chain_cost
fuel_cost = 0;
time_cost = 0;
penalty = 0;
for i = 2:length(route)
from = route(i-1);
to = route(i);
% 动态拥堵系数影响，早高峰时段系数可达1.8
adjusted_distance = distance_matrix(from+1, to+1) * congestion_coef(from+1,
to+1);
adjusted_time = time_matrix(from+1, to+1) * congestion_coef(from+1, to+1);
fuel_cost = fuel_cost + adjusted_distance * 0.3; % 假设每公里0.3元油耗
time_cost = time_cost + adjusted_time * cold_chain_cost; % 冷链货损成本
% 时间窗惩罚（soft约束）
if adjusted_time > time_window(to+1)
penalty = penalty + 50 * (adjusted_time - time_window(to+1));
end
end
total_cost = 200 + fuel_cost + time_cost + penalty; % 200元为固定成本
end
