利用遗传算法解决TSP问题

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：