遗传算法解决TSP问题

最新推荐文章于 2024-03-29 14:24:37 发布

里昂科科

最新推荐文章于 2024-03-29 14:24:37 发布

阅读量8.1k

点赞数 6

本文链接：https://blog.csdn.net/qq_43787814/article/details/103143679

版权

一.原理及问题描述

1.遗传算法原理

遗传算法的概念简单来说，就是利用种群搜索技术将种群作为一组问题解，通过对当前种群施加类似生物遗传环境因素的选择、交叉、变异等一系列的遗传操作来产生新一代的种群，并逐步使种群优化到包含近似最优解的状态。

2.TSP问题描述

TSP问题，即旅行商问题，是指对于给定的n个城市，旅行商从某一城市出发不重复的访问其余城市后回到出发城市，要求找出一条路线，路程最短。

3.用遗传算法解决TSP问题思路

3.1 问题的表示
路径表示是表示旅程对应的基因编码的最自然，最简单的表示方法。它在编码，解码，存储过程中相对容易理解和实现。例如：旅程（5-1-7-8-9-4-6-2-3）可以直接表示为（5 1 7 8 9 4 6 2 3）
3.2 交叉运算

一般有以下三种交叉方式

Partial-Mapped Crossover（部分映射交叉）

在这里插入图片描述

Order Crossover（顺序交叉）

在这里插入图片描述

Position-based Crossover（基于位置的交叉）

在这里插入图片描述

本算法

先确定两个城市序列中进行交换的城市
交换城市时，若城市序列中包含重复城市，则增加一个交换操作

交叉函数

function [A,B]=cross(A,B)
L=length(A);
if L<10
W=L;
elseif ((L/10)-floor(L/10))>=rand&&L>10
 W=ceil(L/10)+8;
else
    W=floor(L/10)+8;
    end
%%W为需要交叉的位数
p=unidrnd(L-W+1);%随机产生一个交叉位置
%fprintf('p=%d ',p);%交叉位置
for i=1:W
x=find(A==B(1,p+i-1));
    y=find(B==A(1,p+i-1));
    [A(1,p+i-1),B(1,p+i-1)]=exchange(A(1,p+i-1),B(