c语言设计遗传算法旅行商,C语言编写遗传算法解决TSP旅行商问题

最新推荐文章于 2023-04-20 20:19:07 发布
最新推荐文章于 2023-04-20 20:19:07 发布
阅读量607 收藏 3
点赞数
文章标签： c语言设计遗传算法旅行商

#include #define RAND(X) (rand()%(X))

#define NUM_CITY(30)

#define GENERATIONS(5000)

#define MAX_SIZE(50)

#define LOWEST_ALIVE(1.0/MAX_SIZE)

typedef struct _Group{

int city[NUM_CITY];

int adapt;

float pAlive;

}Group;

int cityDistance[NUM_CITY][NUM_CITY];

Group g_Group[MAX_SIZE];

floatPm = 0.1;

floatPc = 0.8;

int bestOne;

void getFitness(Group &group) // 得到适应值

{

int distance = 0;

int temp;

int x1, x2, y1, y2;

int tdistance;

for (int i = 1; i < NUM_CITY; i++)

{

distance += cityDistance[group.city[i - 1]][group.city[i]];

}

group.adapt = distance;

group.pAlive = 1 / (float)distance;

}

void Swap(int &a, int &b) // 交换ab值

{

int c;

c = a;

a = b;

b = c;

}

void Init() // 初始化

{

srand((unsigned int)time(0));

for (int i = 0; i < NUM_CITY; i++) // 初始化城市距离

{

for (int j = i + 1; j < NUM_CITY; j++)

{

cityDistance[i][j] = RAND(100) + 1;

cityDistance[j][i] = cityDistance[i][j];

}

}

printf("城市距离如下：\n");

for (int i = 0; i < NUM_CITY; i++)

{

for (int j = 0; j < NUM_CITY; j++)

{

if (j < i + 1)

printf(" ");

else

printf("%3d ", cityDistance[i][j]);

}

printf("\n");

}

for (int i = 0; i < MAX_SIZE; i++) // 初始化样本数列

{

for (int j = 0; j < NUM_CITY; j++)

{

g_Group[i].city[j] = j;

}

}

int r;

for (int i = 0; i < MAX_SIZE; i++) // 打乱顺序

{

for (int j = 0; j < NUM_CITY; j++)

{

r = RAND(NUM_CITY);

Swap(g_Group[i].city[j], g_Group[i].city[r]);

}

}

printf("产生初始种群如下：\n");

for (int i = 0; i < MAX_SIZE; i++)

{

printf("第%d个个体:\n", i + 1);

for (int j = 0; j < NUM_CITY; j++)

{

printf("%3d ", g_Group[i].city[j]);

}

printf("\n");

}

}

void GetAliveP() // 存活率

{

float totalAlive = 0;

//选择最优部分

totalAlive = 0;

for (int i = 0; i < MAX_SIZE; i++) // 计算个体适应值

{

getFitness(g_Group[i]);

totalAlive += g_Group->pAlive;

}

for (int i = 0; i < MAX_SIZE; i++) // 矫正个体存活率 让总和为1

{

g_Group[i].pAlive /= totalAlive;

}

bestOne = 0;

for (int i = 0; i < MAX_SIZE; i++)

{

if (g_Group[i].pAlive > g_Group[bestOne].pAlive)

bestOne = i;

}

printf("目前最佳个体为：%d, 其距离为%d,其轨迹如下：\n", bestOne+1, g_Group[bestOne].adapt);

for (int i = 0; i < NUM_CITY; i++)

printf("%d ", g_Group[bestOne].city[i]);

printf("\n");

}

int isOnIt(int num, int Array[NUM_CITY], int ignorePos, int pos1, int pos2) // num是否在Array[]的pos1到pos2之间 其中跳过ignorePos(该数字的原位置)

{

for (int i = pos1; i <= pos2; i++)

{

if (Array[i] == num)

return i;

}

return -1;

}

void Swap(int sel1,int sel2,int pos1, int pos2) // 交叉互换

{

int temp;

int maxSize = pos2 - pos1 + 1;

//printf("开始初步交叉互换\n");

//printf("%d %d\n", pos1, pos2);

for (int i = pos1; i <= pos2; i++)

{

temp = g_Group[sel1].city[i];

g_Group[sel1].city[i] = g_Group[sel2].city[i];

g_Group[sel2].city[i] = temp;

}

//for (int j = 0; j < NUM_CITY; j++)

//printf("%4d", g_Group[sel1].city[j]);

//printf("\n");

//for (int j = 0; j < NUM_CITY; j++)

//printf("%4d", g_Group[sel2].city[j]);

//printf("\n");

int pos;

//printf("开始矫正重复值\n");

int times = 0;

for (int i = 0; i < NUM_CITY; i++) // 矫正重复值

{

times = 0;

if (i >= pos1 && i <= pos2)

{

i = pos2;

continue;

}

do

{

times++;

pos = isOnIt(g_Group[sel1].city[i], g_Group[sel1].city, i, pos1, pos2);

if (pos != -1)

{/*

for (int j = 0; j < NUM_CITY; j++)

printf("%4d", g_Group[sel1].city[j]);

printf("\n");

for (int j = 0; j < NUM_CITY; j++)

printf("%4d", g_Group[sel2].city[j]);

printf("\n");

printf("%d %d %d %d %d\n",pos1,pos2,pos, g_Group[sel1].city[i], g_Group[sel2].city[pos]);*/

g_Group[sel1].city[i] = g_Group[sel2].city[pos];

//printf("pos:%d,pos1:%d,pos2:%d\n", pos, pos1, pos2);

}

} while (pos != -1);

do

{

pos = isOnIt(g_Group[sel2].city[i], g_Group[sel2].city, i, pos1, pos2);

if (pos != -1)

{

g_Group[sel2].city[i] = g_Group[sel1].city[pos];

//printf("pos:%d,pos1:%d,pos2:%d\n", pos, pos1, pos2);

}

} while (pos != -1);

}

//printf("交叉互换过程完毕\n");

}

void Mutation(int sel, int pos1,int pos2)//个体突变

{

int maxSize = pos2 - pos1 + 1;

for (int i = 0; i < maxSize / 2; i++)

{

Swap(g_Group[sel].city[pos1+i], g_Group[sel].city[pos2-i]);

}

}

void Genetic() // 产生下一代种群

{

int maxNum = 0, minNum = 0;

for (int i = 0; i < MAX_SIZE; i++)

{

if (g_Group[i].pAlive > g_Group[maxNum].pAlive)

maxNum = i;

if (g_Group[i].pAlive < g_Group[maxNum].pAlive)

minNum = i;

}

g_Group[minNum] = g_Group[maxNum]; // 使最大直接替换最小

//printf("开始交叉\n");

// 交叉配对

int selNum;

int maxTimes = 0, nowTimes = 0;

int canSelected[MAX_SIZE]; // 可以用于交叉的个体

bool isCanSelected[MAX_SIZE];

for (int i = 0; i < MAX_SIZE; i++)

{

if (i == maxNum) // 不让最优秀的个体参与配对

continue;

else if ((RAND(100)) / 100.0 < Pc) // 根据概率判断是否参与配对

{

canSelected[maxTimes++] = i;

}

}

for (int i = 0; i < maxTimes; i++)

{

selNum = RAND(maxTimes);

Swap(canSelected[i], canSelected[selNum]);

}

int pos1, pos2;

for (int i = 0; i < maxTimes; i+=2)

{

selNum = i + 1;

if (selNum >= maxTimes)

break;

pos1 = RAND(NUM_CITY); // 选定交叉位置

pos2 = RAND(NUM_CITY - pos1) + pos1;

if (pos1 == pos2)

{

if (pos1 > 0)

pos1--;

else

pos2++;

}/*

printf("%d与%d开始交叉互换\n", canSelected[i], canSelected[selNum]);*/

Swap(canSelected[i], canSelected[selNum], pos1, pos2);

/*

printf("第%d个体与第%d个体进行交叉配对，得到新的两个个体如下:\n", canSelected[i] + 1, canSelected[selNum] + 1);

printf("第%d个体:\n", canSelected[i] + 1);

for (int j = 0; j < NUM_CITY; j++)

printf("%4d", g_Group[canSelected[i]].city[j]);

printf("\n第%d个体:\n", canSelected[selNum] + 1);

for (int j = 0; j < NUM_CITY; j++)

printf("%4d", g_Group[canSelected[selNum]].city[j]);

printf("\nselNum:%d, maxTimes:%d\n",selNum,maxTimes);*/

}

/*

printf("开始突变\n");*/

// 突变

for (int i = 0; i < MAX_SIZE; i++)

{

if (i == maxNum || i == minNum)

{

continue;

}

if (RAND(100) / 100.0 < Pm) // 符合突变概率

{

pos1 = RAND(NUM_CITY); // 选择位置

pos2 = RAND(NUM_CITY - pos1) + pos1;

if (pos1 == pos2)

{

if (pos1 > 0)

pos1--;

else

pos2++;

}

/*printf("第%d个体突变前：\n", i + 1);

for (int j = 0; j < NUM_CITY; j++)

printf("%4d", g_Group[i].city[j]);

printf("\n");*/

Mutation(i, pos1, pos2);

//printf("第%d个体突变：\n", i + 1);/*

//for (int j = 0; j < NUM_CITY; j++)

//printf("%4d", g_Group[i].city[j]);

//printf("\n");

}

}

}

void Train()

{

int nowGenerations = 0;

float totalAlive = 0;

do

{

printf("第%d代种群\n", nowGenerations + 1);

GetAliveP();// 计算存活率

Genetic();// 根据遗传规律得到下一代

nowGenerations++;

} while (nowGenerations < GENERATIONS);

printf("经过%d次繁衍，得到的优秀个体为:\n", nowGenerations);

printf("其距离为%d,其轨迹如下：\n", g_Group[bestOne].adapt);

for (int i = 0; i < NUM_CITY; i++)

printf("%d ", g_Group[bestOne].city[i]);

printf("\n");

printf("其他个体如下：\n");

for (int i = 0; i < MAX_SIZE; i++)

{

printf("其距离为%d,其轨迹如下：\n", g_Group[i].adapt);

for (int j = 0; j < NUM_CITY; j++)

{

printf("%d ", g_Group[i].city[j]);

}

printf("\n");

}

}

int main()

{

Init();

Train();

return 0;

}

书果
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
遗传算法求解TSP旅行商问题C语言源代码
03-07
遗传算法求解TSP旅行商问题，C语言源代码。人工智能经典算法
遗传算法（应用：解决旅行商问题）（C语言实现）
robinbird的code小窝
12-04 2295
笔者是大二的一只小菜狗，初学遗传算法，收敛速度结果等方面还需要改进和完善，以下是主要思路，还请大佬们指教
数学建模：最详细的遗传算法 解决tsp问题（C语言实现）
lgw999jyx的博客
06-26 5412
1.遗传算法是什么？ 遗传算法的概念是由Holland于1973年受生物进化论的启发而首次提出的，它是一种通过模拟生物界自然选择和遗传机制的随机搜索算法。该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。遗传算法已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。 如果你能看懂并理解这段话，我觉得你已经不需要再学习本文章了~~ 解释的
人工智能--遗传算法（旅行商问题）
苦作舟的空城机
01-14 9920
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它...
分支限界方法装载问题c语言,分支限界法——对解空间的一种策略搜索（广度优先搜索）...
weixin_42552261的博客
05-22 1874
目录1.分支限界法简介1.1 分支限界法的本质——通过限界阻塞子树1.2 分支限界法与回溯法的区别1.3 下界或者上界估算——贪心2.单源最短路径问题2.1 问题描述2.2 分支限界法解决单元最短路径问题3.装载问题4.布线问题5.0-1背包问题5.1 问题描述5.2 分支限界法解决0-1背包问题5.3 一个示例6.最大团问题7 作业分配问题7.1 问题描述7.2 分支限界法步骤描述8.旅行商问题...
遗传算法解决旅行商问题
weixin_42645763的博客
11-19 978
问题简介 给定一系列城市和每对城市之间的距离，求解访问每一座城市一次并回到起始城市的最短回路。它是组合优化中的一个NP难问题，在运筹学和理论计算机科学中非常重要。 遗传算法简介 遗传算法的基本思想是从初始种群出发，采用优胜劣汰、适者生存的自然法则选择个体，并通过杂交、变异来产生新一代种群，如此逐代进化，直到满足目标为止。遗传算法所涉及到的基本概念主要有以下几个： •种群（Population）：种...
遗传算法的C语言实现(二)-----以求解TSP问题为例
weixin_34393428的博客
12-11 1997
上一次我们使用遗传算法求解了一个较为复杂的多元非线性函数的极值问题，也基本了解了遗传算法的实现基本步骤。这一次，我再以经典的TSP问题为例，更加深入地说明遗传算法中选择、交叉、变异等核心步骤的实现。而且这一次解决的是离散型问题，上一次解决的是连续型问题，刚好形成对照。 首先介绍一下TSP问题。TSP(traveling salesma...
回溯法、分支限界法两种思想帮你轻松搞定旅行售货员问题(TSP)
weixin_43434202的博客
05-18 5963
问题描述 某售货员要到若干城市去推销商品，已知各城市之间的路线(或旅费)。要选定一条从驻地出发，经过每个城市一遍，最后回到驻地的路线，使总的路程(或总旅费)最小。本文只考虑4个城市的情况，下面这个带权图即为问题的转化。 由于只有4个城市，如果规定售货员总是从城市1出发，那么依据排列组合可以得到6种不同的旅行方案，比如12341、13241等等。在这些排列组合基础上可以很容易绘制出一棵排列树，也是该问题的解空间树，排列树如下： 根据解空间树可以得到一些有用的信息： 该树的深度为5 两个节点之间路径上的标
《算法导论》22.2 广度优先搜索 (含C++代码)
Toby的博客
09-24 1194
本文为《算法导论》22.2 广度优先搜索 (含C++代码)笔记，欢迎参考！
（C++源码）遗传算法解决TSP问题，30个城市的
Gassing仔的博客
12-01 2607
旅行商问题（Traveling Salesman Problem, TSP），又译为旅行推销员问题、货担郎问题，简称为TSP问题，是最基本的路线问题。假设有n个可直达的城市，一销售商从其中的某一城市出发，不重复地走完其余n-1个城市并回到原出发点，在所有可能的路径中求出路径长度最短的一条。 30条染色体 迭代次数：10万次（大概跑一分钟吧） 交叉率：100%（这个可以自己设置，加点小代码就行了） 变异率：0.3(可自己设置) #include "pch.h" #include <iostre.
tsp.rar_TSP c_TSP 遗传算法_tsp_旅行商_遗传 tsp
09-23
C语言实现的遗传算法解TSP问题（旅行商问题），简单易懂。
遗传算法求解中国旅行商问题（C语言）
12-10
使用遗传算法求解中国旅行商问题（31个城市），数据从文件中（网上找到）读取。求得的最好结果是：15397.5km（不是每次都能有这个解）,比介绍算法的人工智能上说的15404km略短，编程环境Visual studio2013，所以个别...
C语言实现旅行商问题（TSP，Traveling Salesman Problem）
最新发布
12-26
旅行商问题（TSP，Traveling Salesman Problem）是一个经典的组合优化问题，涉及寻找给定一组城市和距离，寻找一条最短路径，使得每个城市恰好被访问一次，并最终回到起始城市。使用C语言简单的实现，使用了暴力穷举...
遗传算法求解10城市的旅行商问题的c语言
03-29
遗传算法求解10城市的旅行商问题的C语言 一、遗传算法概述 遗传算法（Genetic Algorithm）是一种搜索启发式算法，模拟生物界中的自然选择和遗传规律。它通过模拟自然选择和遗传的过程，来搜索优化问题的解。遗传...
C语言遗传算法解决TSP问题
xiao_Cge的博客
04-20 1315
的原理，“好”的个体被用来产生下一代，“坏”的个体则被淘汰，然后选择出来的个体经过交叉和变异算子进行再组合生成新的一代，这一代的个体由于继承了上一代的一些优良性状，因而在性能上要优于上一代，这样逐步朝着最优解的方向进化。显然我们的目的是第一个，由于通过选择和交叉两步，我们已经得到了适应度较高的解，如果这里变异的概率太高的话就会把我们已得到的优质解破坏。个体被选中的概率与适应度成正比，适应度越高，个体被选中的概率越大。④交叉（最重要的一步：是产生新个体的主要来源，直接关系到算法的全局寻优能力）
数据结构_广度优先搜索(C语言)
小黯
04-03 3572
图的遍历 1. 广度优先搜索图文解析 广度优先搜索(Breadth First Search，BFS)，遍历过程类似于二叉树的层序遍历，可以参考一下，BFS遍历过程如下： （1）从图中任意顶点出发（V1），访问该顶点（V1），并将该顶点入队 （2）若队列不为空，则出队，获取出队顶点V1， （3）遍历出队顶点V1的相邻顶点，并访问未被访问的相邻顶点 （4）每访问一个相邻顶点，就将访问的顶点入队。 2. 源代码： #include<stdio.h> #include<stdlib.h&
C语言代码 广度优先算法 六度空间
weixin_42587866的博客
12-20 844
广度优先算法(BFS)是一种图论算法，它的思想是从一个点开始，按照宽度的顺序依次搜索周围的点，直到找到目标点为止。这个过程可以用队列来实现。 下面是一个简单的广度优先搜索的C语言代码实现： #include <stdio.h> #include <stdlib.h> #define MAX_VERTEX_NUM 20 // 最大顶点数 // 图的邻接矩阵存储结构 ty...
c遗传算法解决旅行商问题
12-10
以下是使用C语言实现遗传算法解决旅行商问题的基本步骤： 1. 初始化种群：随机生成一定数量的个体，每个个体表示一条路径，即旅行商要依次经过的城市序列。 2. 计算适应度：根据每个个体的路径长度计算其适应度，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值