遗传算法 与旅行商问题

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&