遗传算法与TSP问题

TSP问题

TSP问题全名叫Travelling salesman problem，大意是一个销售员需要依次拜访n个客户，并且每个客户只拜访一次，最终回到起点。目标是找出最佳的一个路线使得路程最短。 

什么是遗传算法

遗传算法是参考生物学的一些概念的一个算法，主要参考了种群繁衍、优胜劣汰的生物进化特点。

我们知道一个种群中每个个体都拥有不同的基因，这也先天上形成了个体差异，根据达尔文的进化论，对环境适应度较差的个体往往在自然选择的过程中淘汰掉了，根据生物学理论，生物在繁衍的过程中发生了基因交换、变异，产生了新的个体，随着时间的推进，种群一代又一代的繁衍，对环境的适应程度越来越强。

那么什么是遗传算法呢？面临一个问题，我们可以很容易的获取一系列可行解，同时我们又可以很容易的获取这个解的优秀程度。

那么我们可以很容易的生成m个解，也就是可以看作m个个体，这m个个体可以构成一个群落，首先我们假设这个神奇的种族可以长生不老，只会因为环境因素被淘汰，我们继续假设这个环境只能供养m个个体，随后假设每一次繁衍会产生m个后代。上述假设成立的情况下，每一次繁衍后会一共有2m个个体，经过自然选择又剩下m个个体。也就是说，从m个解里面变m个新的解出来，然后从2m个解里面选比较优秀的m个。新一代的m个解通常来讲是比旧的更优秀的，经过足够多次的繁衍，最终得到的一个群落中最优秀的解可以认为是最优解。

接下来就要讨论每一次繁衍过程中，新的m个解怎么来的——交换和变异，这个就具体问题具体讨论了。

经典TSP

经典TSP中假设所有的顾客的位置不会发生变化，并且不考虑其它因素

很显然我们可以轻松的道一条可行的路线x1（拜访顺序），并且计算优秀程度也就是距离大小

首先生成n个可行路线，得到初始群落X

交换——两个路线之间某几个相同位置的客户编号互换一下，但是对于TSP问题，因为无重复无遗漏，需要交换后把与获得的基因相同的位置上的基因替换成失去的。

变异——对于TSP也可以认为是随机交换两个位置

所以对于TSP问题其实交换和变异干的事情差不多。

然后迭代很多次就可以得到比较优秀的解了。