用遗传算法解决旅行商问题
genetic algorithm to solve TSP problem
参考连接:Genetic algorithm - Wikipedia
Travellingsalesman problem - Wikipedia
Travelling-Salesman--a-Genetic-Algorithm
旅行商问题:
给定一系列城市和每对城市之间的距离,求解访问每一座城市一次并回到起始城市的最短回路。它是组合优化中的一个NP困难问题,在运筹学和理论计算机科学中非常重要。
遗传算法:
遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题,一定数量的候选解(称为个体)可抽象表示为染色体,使种群向更好的解进化。传统上,解用二进制表示(即0和1的串),但也可以用其他表示方法。进化从完全随机个体的种群开始,之后一代一代发生。在每一代中评价整个种群的适应度,从当前种群中随机地选择多个个体(基于它们的适应度),通过自然选择和突变产生新的生命种群,该种群在算法的下一次迭代中成为当前种群。
流程与步骤
第一步:初始化 t←0进化代数计数器;T是最大进化代数;随机生成M个个体作为初始 群体P(t);
第二步:个体评价计算P(t)中各个个体的适应度;
第三步:选择运算将选择算子作用于群体;
第四步:交叉运算将交叉算子作用于群体;
第五步:变异运算将变异算子作用于群体,并通过以上运算得到下一代群体P(t + 1);
第六步:终止条件判断 t≦T:t← t+1 转到步骤2;t>T:终止 输出解。
基本上可以归结为随机取种群中元素然后两两交配生成下一代,其中可能存在变异,每次通过估价函数来淘汰调一部分&