遗传算法求解旅行商（TSP）问题

1. TSP问题概述

TSP问题即旅行商问题，是数学领域的著名问题之一。假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要使求得的路径路程为所有路径之中的最小值。

2. 基于遗传算法的TSP问题求解

      (1）基因编码

      针对TSP问题，编码规则通常采用实数（n进制）编码，即每个染色体仅从1到n的整数里面取一个值，每个个体的长度为n，n为城市总数。即用一串基因编码表示遍历的城市顺序，如：（2 3 4 5 1 7 9 8 6），表示九个城市中，先经过城市2，再经过城市3，以此类推。

    （2）交叉算子设计

     采用部分匹配交叉（PMX）法：先随机产生两个交叉点，定义这两点间的区域为匹配区域，并交换两个父代的匹配区域。

     父代A：872|130|9546

     父代B：983|567|1420

     TEMP A：872|567|9546

     TEMP B：983|130|1420

对于TEMP A、TEMP B中匹配区域以外出现的数码重复，要依据匹配区域内的位置逐一进行替换。匹配关系：1<------>5   3<----->6   7<---->0

     子代A：802|567|9143

     子代B：986|130|5427

     （3）变异算子设计

      对于TSP问题，一般采用倒位变异法，即首先在父体中随机选择两截断点，然后将该两点所夹的子串中的城市进行反序。

例如;

设原个体：（1 2 3 4 5 6 7 8 9）

随机选择两点：（1 2|3 4 5 6| 7 8 9）

倒位后的个体：（1 2 |6 5 4 3|7 8 9）

     （4）适应度函数

     TSP问题的目标是路径总长度为最短，可以用常数L除以某个体的路径总长度作为该个体的是适应度函数。

3 . 算法步骤

Step1:参数设置及种群初始化；

Step2;适应度评价；

Step3：轮盘赌选择；</