遗传算法求解TSP问题

遗传算法求解TSP问题（讨论不同参数的组合对结果的影响）

1.遗传算法基本原理及求解TSP问题流程

1.1基本思路

TSP问题是一个经典的组合优化问题，让种群中每个个体代表一条路径，经过选择，染色体交配，变异，不断迭代达得到一个路径较短结果。

1.2群体的初始化

采用生成随机数的方法，初始化规模为N的群体，对染色体的每一维变量进行初始化赋值；随机生成N个城市序列，每个个体是一条城市序列随机打乱路径。

%%生成城市的坐标
%pos=randn(N,2);
load city_yc.mat
%load pos.mat
%%生成城市之间距离矩阵
N = size(pos,1);%by lht
D=zeros(N,N);
for i=1:N
    for j=i+1:N
        dis=(pos(i,1)-pos(j,1)).^2+(pos(i,2)-pos(j,2)).^2;
        D(i,j)=dis^(0.5);
        D(j,i)=D(i,j);
    end
end

%%生成初始群体

popm=zeros(M,N);
for i=1:M
    popm(i,:)=randperm(N);%随机排列，比如[2 4 5 6 1 3] randperm函数：随机打乱一个数字序列
end

%%初始化种群及其适应函数
fitness=zeros(M,1)