群智能算法 第5关：动手实现旅行商问题

任务描述

本关任务：使用 python 实现遗传算法解决 TSP 问题。

相关知识

为了完成本关任务，你需要掌握：1.使用遗传算法解决 TSP 问题。

使用遗传算法解决TSP问题。

蚁群算法对于参数的敏感程度较高，参数设置的好，算法的结果也就好，参数设置的不好则运行结果也就不好。所以上一关将通关所设置的阈值较高。本关，我们将使用遗传算法来解决 TSP 问题，试图寻找到更短的旅行路线。

同求解目标函数最值问题类似，我们首先得初始化种群：

1. #初始化种群
2. pop = np.vstack([np.random.permutation(DNA_size) for _ in range(POP_size)])

其中，DNA_size 为染色体长度，POP_size 为种群大小，即染色体个数。每一个染色体为一种旅行的路线，如从城市 1 -->城市 2 -->城市 3 编码为： [1,2,3] 。

然后需要对旅行路线进行解码：

1. def translateDNA(DNA, city_position):
2. line_x = np.empty_like(DN