遗传算法TSP问题举例

遗传算法解决TSP问题举例

一、算法实现步骤

1、初始化

初始化数据：读入数据源，将坐标转换为距离矩阵（标准化欧式距离）
初始化对象：种群规模m、运行代数n、变异概率
初始化种群：生成m条路径（编码方式：符号编码）
说明：种群初始化的编码方式有多种，常见的有二进制编码、格雷码编码、实数编码和符号编码。编码方式具有启发性，缺乏理论基础来判断各种编码的好坏，常根据实际问题和经验来确定，本算法采用符号编码。

2、计算种群适应度

适应度函数f=1/〖distance(x)〗^15
说明：适应度函数会影响选择压，选择压过大，会造成几个较好的可行解迅速占满整个群体，选择压过小，会让算法变成纯粹的随机行为。本算法对适应度函数进行15次方的尺度变换，就是为了避免选择压太小，轮盘赌的选择失去意义变成等概率随机选择

3、计算累计概率

计算每个个体适应度占适应度总和的比例并计算累计概率

4、迭代

1、选择算子：运用轮盘赌选择法，与传统轮盘赌选择法不同的是，本算法不选择重复个体充当父母，即如果选择出来的个体已经被选过一次，下一次再选到它就直接抛弃。这样最后选出来的个体数量m1<=m。

2、交叉算子：从轮盘赌选择出来的父母中随机选择两个不同个体充当父母，随机产生两个变异位置，交换两个交叉点之间基因形成两个新的子代放入种群中，直到种群数量恢复到初始种群数目m

3、变异运算：对种群中的每一个个体来说，产生一个随机数，若该随机数小于变异概率即产生变异。变异的方法是在染色体上产生两个变异点，将变异点间的基因片段倒序即完成变异。

4、更新最优解。

5、将新种群复制到旧种群中，准备下一代进化（迭代）

5、实验数据

第一列为地点名称，第二，三列为地点的经纬度

地点名称
ps：程序具有泛化性，将这两个文件里的内容修改即可得到不同地方的旅游路径规划

6、初始设定

先根据经验值（种群大小：20 ~ 100，迭代次数：500，变异概率：0.0001~0.1）对初始化参数进行设定取种群大小100，迭代次数500，变异概率0.1，选择51个城市，设置方案数量为1，运行20次

7、调参

调整参数，观察实验结果随参数的变化，通过反复尝试获得51个城市路径近似最优解

根据实验规划得到的