TSP(traveling salesman problem,旅行商问题)描述的是某一旅行商从某个城市出发访问每个城市一次且仅一次,最后回到出发城市,目标是寻找一条最短的遍历n个城市的路径。TSP是典型的NP完全问题,其时间复杂度随问题规模的增加按指数形式增长。求解TSP的算法主要有遗传算法、分支定界法、改良圈算法、模拟退火算法、人工神经网络算法等方法,遗传算法求解该TSP问题。遗传算法是一种模拟自然进化过程的随机化搜索寻找最优解算法,其主要特点是群体搜索策略和群体中个体之间的信息交换,搜索不以梯度信息为基础,尤其适用于处理传统搜索方法难以解决的复杂非线性问题,步骤如下:
1.编码
采用整数排列编码方法,对于个节点的TSP问题,将节点从1到n进行编号,每个从1到n的全排列都可以作为该问题的一个解,即染色体个数。例如对具有5个节点的TSP问题,3,4,5,1,2就为一个合法的染色体。
2.种群初始化
在完成染色体编码之后,需要产生一个初始种群作为初始解,初始种群的数目是根据节点规模大小来确定的,一般取值在50~200之间。
3.适应度函数
利用遗传算法求解最优,就是要找到适应度最大的染色体,适应度函数定义如下: