遗传算法解决旅行商问题

遗传算法解决旅行商问题

算法简介

模拟自然界的生命进化机制

实现方法

(1) 根据具体问题确定可行解域，确定一种编码方法，能用数值串或字符串表示可行解域的每一解。

(2) 对每一解应有一个度量好坏的依据，用适应度函数表示，一般由目标函数构成。

(3) 确定进化参数、交叉概率、变异概率、进化终止条件。

生物遗传概念在遗传算法中的对应关系

适者生存：算法停止时，最优目标值的可行解有最大的可能被留住

个体：可行解

染色体：可行解的编码

基因：可行解中每一分量的特征

适应性：适应度函数值

种群：根据适应度函数值选取的一组可行解

交配：通过交配原则产生一组新可行解的过程

变异：编码的某一分量发生变化的过程

算法实现

假设有一个100个城市的旅行商问题，编号为2~101，出发地点的编号为1和102(方便编程)。

求解的遗传算法的参数设定如下：
种群大小$M=50;$最大代数 $G=1000;$
交叉率 $p_{\mathrm{c}}=1$,交叉概率为 1 能保证种群的充分进化； 变异率$p_{\mathrm{m}}=0.1$,一般而言，变异发生的可能性较小。

1.编码策略

采用十进制编码，用随机数列 ${\omega }_1{\omega }_2\cdots {\omega }_{102}$作为染色体，其中 $0⩽{\omega }_i⩽1(i=2,3,\cdots ,$ 101 ) $,{\omega }_{\mathrm{l}}=0$ $,{\omega }_{102}=1$ ;每一个随机序列都和种群中的一个个体相对应，例如，9 目标问题的一个染色体为
[0.23,0.82,0.45,0.74,0.87,0.11,0.56,0.69,0.78],
式中：编码位置$i$为目标$i$,位置$i$的随机数表示目标$i$在巡回中的顺序。
将这些随机数按升序排列得到如下巡回：
$$6-1-3-7-8-4-9-2-5。$$

2.初始种群

先利用经典的近似算法——改良圈算法求得一个较好的初始种群。

对于随机产生的初始圈

$C$ = ${\pi }_1$ $\cdots$ ${\pi }_{u-1}$ ${\pi }_u$ ${\pi }_{u+1}$ $\cdots$ ${\pi }_{v-1}$ ${\pi }_v$ ${\pi }_{v+1}$ $\cdots$ ${\pi }_{102}$ ,2 $⩽$ $u$ < $v$ $⩽$ 101 ,2 $⩽$ ${\pi }_u$ < ${\pi }_v$ $⩽$ 101 ,
交换$u$与$v$之间的顺序，此时的新路径为
$${\pi }_1\cdots {\pi }_{u-1}{\pi }_v{\pi }_{v-1}\cdots {\pi }_{u+1}{\pi }_u{\pi }_{v+1}\cdots {\pi }_{102}\circ$$
记 $\Delta f=(d_{{\pi }_{u-1}{\pi }_v}+d_{{\pi }_u{\pi }_{v+1}})-(d_{{\pi }_{u-1}{\pi }_u}+d_{{\pi }_v{\pi }_{v+1}})$,若 $\Delta f<0$,则以新路经修改旧路径，直到不能修改为止，就得到一个比较好的可行解。

直到产生M个可行解，并把这M个可行解转换成染色体编码。

3.目标函数

目标函数为侦察所有目标的路径长度，适应度函数就取为目标函数。

要求$$\min f({\pi }_1,{\pi }_2,\cdots ,{\pi }_{102})=\sum _{i=1}^{101}{d}_{{\pi }_i{\pi }_{i+1}}$$

4.交叉操作

交叉操作采用单点交叉。对于选定的两个父代个体$f_1={\omega }_1{\omega }_2\cdots {\omega }_{102},f_2={\omega }_1^{\prime }{\omega }_2^{\prime }\cdots$ ${\omega }_{102}^{\prime }$,随机地选取第$\iota$个基因处为交叉点，则经过交叉运算后得到的子代个体为$s_1$和$s_2,s_1$ 的基因由$f_1$的前$t$个基因和$f_2$的后 102 -$t$个基因构成$,s_2$的基因由$f_2$的前$\iota$个基因和$f_1$ 的后 102$-t$个基因构成，例如：
$$\begin{gathered} f_1=\left[0,0.14,0.25,0.27,10.29,0.54,\cdots ,0.19,1\right], \\ {f}_2=\left[0,0.23,0.44,0.56,|0.74,0.21,\cdots ,0.24,1\right], \end{gathered}$$
设交叉点为第四个基因处，则
$$\begin{gathered} s_1=\left[0,0.14,0.25,0.27,|0.74,0.21,\cdots ,0.24,1\right], \\ {s}_2=\left[0,0.23,0.44,0.56,|0.29,0.54,\cdots ,0.19,1\right]。 \end{gathered}$$

5.变异操作

变异也是实现群体多样性的一种手段，同时也是全局寻优的保证。按照给定的变异率，对选定变异的个体，随机地取三个整数，满足$1<u<v<w<102$,把$u,v$之间(包括$u$ 和$v$ )的基因段插到$w$后面。

6.选择

在父代种群和子代种群中选择目标函数最小的M个个体进化到下一代，保证父代的优良特性被保存下来。

Matlab参考代码