GA求解TSP问题的matlab代码
本文的遗传算法的思想比较简单,是比较经典的遗传算法的实现。本文的遗传算法求解TSP问题采用的是顺序编码,交叉方式是循环交叉,变异方式有两种,已在代码中注明。
主程序
% Author: Chauncy_xu
% date:2019年4月1日
clc;
clear all;
close all;
[len_side,city]=City();%len_side存放的是边的权重。city存放的是30个城市的坐标
%% 参数设置
Num_pop=200; %初始种群大小
Num_gen=800; %最大代数
P_c=0.85; %交叉概率
P_m=0.4; %变异概率
%% 产生初始种群
pop=zeros(Num_pop,30);%pop是一个种群,。每一行是一个个体,即一个可行解
for i=1:Num_pop %随机生成初始种群
pop(i,:)=randperm(30);
end
[~,p_sum]=Fitness(pop,len_side);%计算适应度值和累计概率
Gen=1;
ymean=zeros(Gen,1);%记录平均适应度值
ymax=zeros(Gen,1); %记录最优适应度值
xmax=zeros(Num_pop,30);
temp_pop=zeros(Num_pop,30);
new_pop=zeros(Num_pop,30);
%% 开始迭代
while Gen<=Num_gen
%该算法选择交叉变异都是只选择两个个体进行
sel_pop=Select(p_sum,pop); %选择操作
cross_pop=Cross(sel_pop,P_c); %交叉操作
muta_pop=Mutate(cross_pop,P_m); %变异操作
pop=muta_pop; %产生了新的种群
[fit,p_sum]=Fitness(pop,len_side); %计算新种群的适应度
%记录当前代最好和平均的适应度
[fitness_max,nun_max]=max(fit);
ymean(Gen)=1000/mean(fit);
ymax(Gen)=1000/fitness_max;
%记录当前代的最佳个体
best_indivi=pop(nun_max,:);
xmax(Gen,:)=best_indivi;
% Draw(city,best_indivi,ymax(Gen),Gen,0);
Gen=Gen+1;
end
[min_ymax,index]=min(ymax);
Draw(city,xmax(index,:),min_ymax,index,1);
%% 绘图
h2=figure(2);
plot(ymax,'b-');
hold on;
plot(ymean,'k-');
grid;
title('迭代曲线','FontSize',16);
fprintf('求得的最短距离:%.2f\n',min_ymax);
fprintf('最短回路');
disp(xmax(index,:));
grid on
h1=legend('每代最小值','每代平均值');
set(h1,'FontSize',10);
xlabel('\bf迭代次数');ylabel('\bf适应度值');
适应度值计算
function [fit,p]=Fitness(pop,len_side)
[size_pop,len_code]=size(pop);
%% 计算每个个体的总长度
fit=zeros(size_pop,1); %适应度函数初始化为0
for i=1:size_pop
f=0;
for j=1:(len_code-1)
f=f+len_side(pop(i,j),pop(i,j+1));
end
f=f+len_side(pop(i,len_code),pop(i,1));
fit(i)=f;
end
%% 适应值函数标定
fit=1000./fit'; %取距离倒数
%根据个体的适应度计算其被选择的概率
sum_fit=0;%总的适应度值
for i=1:size_pop
sum_fit=sum_fit+fit(i)^30;% 让适应度越好的个体被选择概率越高
end
p_indivi=zeros(size_pop,1);
for i=1:size_pop
p_indivi(i)=fit(i)^30/sum_fit;
end
%% 计算累积概率
p=zeros(1,size_pop);%p是累计概率矩阵
p(1)=p_indivi(1);
for i=2:size_pop
p(i)=p(i-1)+p_indivi(i);
end
end
选择算子
function sle_pop=Select(sum_p,pop)
[m,n]=size(pop);
temp_pop=zeros(m,n);
for i=1:m
p=rand;
while p==0
p=rand;
end
j=1;
while p>sum_p(j)
j=j+1;
end
temp_pop(i,:)=pop(j,:);
end
sle_pop=temp_pop;
end
交叉算子
function cross_pop=Cross(sel_pop,P_c)
[size_pop,len_code]=size(sel_pop);%获取种群的列数
cross_pop=sel_pop;
for i=1:2:size_pop-1
flag=0;
p=rand();
if p<=P_c
flag=1;
end
father(1,:)=sel_pop(i,:); %获得父代
father(2,:)=sel_pop(i+1,:);%获得母代
if flag==1
temp_spot1=round(rand*(len_code-2))+1; %产生交叉位置1
temp_spot2=round(rand*(len_code-2))+1; %产生交叉位置2
while temp_spot2==temp_spot1
temp_spot2=round(rand*(len_code-2))+1;
end
spot1=min(temp_spot1,temp_spot2); %交叉开始的地方
spot2=max(temp_spot1,temp_spot2); %交叉结束的地方
%% 交叉前准备
temp1=zeros(1,len_code);
temp2=zeros(1,len_code);
o=1; q=spot2+1;xx=1;
while xx<2*len_code
if q<=len_code
temp1(o)=father(1,q);
temp2(o)=father(2,q);
o=o+1;
q=q+1;
end
xx=xx+1;
end
q=1;xx=1;
while xx<2*len_code
if q<=spot2
temp1(o)=father(1,q);
temp2(o)=father(2,q);
o=o+1;
q=q+1;
end
xx=xx+1;
end
C1=zeros(1,len_code);
C2=zeros(1,len_code);
%% 交换中间位置
C2(1,spot1+1:spot2)=father(1,spot1+1:spot2);
C1(1,spot1+1:spot2)=father(2,spot1+1:spot2);
%% 修复其他位置
S=spot2+1;
r=1;
f=0;
w=1;%w用来记录有多少个点被添加进来
while r<=len_code
if S<=len_code
if (~(ismember(temp1(r),C1)))
C1(S)=temp1(r);
S=S+1;
w=w+1;
end
end
r=r+1;
end
S=1;
r=w;
while r<=len_code
if S<=len_code
if (~(ismember(temp1(r),C1)))
C1(S)=temp1(r);
S=S+1;
end
end
r=r+1;
end
S=spot2+1;
r=1;
w=1;
while r<=len_code
if(S<=len_code)
if (~(ismember(temp2(r),C2)))
C2(S)=temp2(r);
S=S+1;
w=w+1;
end
end
r=r+1;
end
S=1;
r=w;
while r<=len_code
if(S<=len_code)
if (~(ismember(temp2(r),C2)))
C2(S)=temp2(r);
S=S+1;
w=w+1;
end
end
r=r+1;
end
cross_pop(i,:)=C1(1,:);
cross_pop(i+1,:)=C2(1,:);
end
end
end
变异算子
function mut_pop=Mutate(pop,P_m)
[size_pop,len_code]=size(pop);
mut_pop=pop;
for i=1:size_pop
flag=0;
p=rand();
if p<=P_m
flag=1;
end
if flag==1
temp_spot1=round(rand*(len_code-1))+1;
temp_spot2=round(rand*(len_code-1))+1;
spot1=min(temp_spot1,temp_spot2);
spot2=max(temp_spot1,temp_spot2);
% temp=pop(i,spot1+1:spot2);
% mut_pop(i,spot1+1:spot2)=fliplr(temp);
%两种变异方式
temp=mut_pop(i,spot1);
mut_pop(i,spot1)=mut_pop(i,spot2);
mut_pop(i,spot2)=temp;
end
end
end
City函数
function [Len,city_loc]=City()
Len=zeros(30,30);%Len是一个30*30的矩阵,city_location是一个30行两列的矩阵
city=[41 94;37 84;54 67;25 62;7 64;2 99;68 58;71 44;54 62;83 69;64 60;18 54;22 60;%每一行是一个城市坐标
83 46;91 38;25 38;24 42;58 69;71 71;74 78;87 76;18 40;13 40;82 7;62 32;58 35;45 21;41 26;44 35;4 50];%30 cities d'=423.741 by D B Fogel
for i=1:29
for j=i+1:30
Len(i,j)=((city(i,1)-city(j,1))^2+(city(i,2)-city(j,2))^2)^0.5;
Len(j,i)=Len(i,j);
end
end
city_loc=city;
end