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)