遗传算法之TSP问题

1、遗传算法

遗传算法的基本内容在之前的博客已经讲述过了，详情请点击：遗传算法

遗传算法的上一篇博客解决的是函数优化问题，即求解最大值或最小值问题；而此次要解决的是组合优化问题中的TSP问题，即旅行商问题。

旅行商问题：给定一系列城市位置，求解访问每一座城市一次并回到起始城市的最短回路，又称TSP问题。

TSP问题就是要找到图中的最短哈密尔顿回路，即全局最短路径。

那么，这两种到底有何区别呢？

在遗传算法的上一篇博客中，交叉变异操作是通过0与1之间相互转换即可简单实现。但在TSP问题中，若只采取简单的交换操作，则城市序列内容易包含重复的城市。

因此，TSP问题中的交叉操作：

• 先确定两个城市序列中进行交换的城市。
• 交换城市时，观察城市序列中是否会包含重复城市；若重复了，则增加一个交换操作。例如：已知城市序列1中的城市A与城市序列2中的城市B进行交叉操作，考虑城市A与城市B直接交换时，若交换过后的城市序列1中含有两个城市B，则将城市序列1中原来就已经含有的城市B换成城市A，城市序列2同理操作。

这样就满足了城市序列中不包含重复城市的要求。
若还不清楚，请看下面这个例子，当城市序列A、B如下：

未进行交叉操作前：
A: 7 6 5 4 3 2
B: 4 3 5 2 6 7

已知进行交换的城市为城市序列中的后三个城市，即城市序列A中的 4、3、2 城市与城市序列B中的 2、6、7 城市进行交换。

• 城市序列A中：城市4替换成城市2，不包含重复城市；城市3替换成城市6，由于城市序列中已存在该城市，因此将城市序列中的城市6替换成城市3；城市2替换成城市7，由于城市序列中已存在该城市，因此将城市序列中的城市7替换成城市2。
• 城市序列B中：城市2替换成城市4，由于城市序列中已存在该城市，因此将城市序列中的城市4替换成城市2；城市6替换成城市3，由于城市序列中已存在该城市，因此将城市序列中的城市3替换成城市6，城市7替换成城市2，不包含重复城市。

最终，交叉操作完成后的城市序列分别为：

交叉操作完成后：
A: 2 3 5 4 6 7
B: 2 6 5 4 3 2

TSP问题中的变异操作：直接将同一城市序列中的两个城市进行交换。

2、遗传算法实现TSP问题

2.1 代码

<1> city.m：随机生成N个城市的坐标并保存

N=25;		%%城市的个数
citys=randn(N,2);		%%随机生成城市位置
save citys.mat		%%将城市位置保存到citys.mat中

<2> plot_route.m：实现连点画图

%连点画图函数 plot_route.m
function plot_route(a,R)
	scatter(a(:,1),a(:,2),'rx');
	hold on;
	plot([a(R(1),1),a(R(length(R)),1)],[a(R(1),2),a(R(length(R)),2)]);
	hold on;
	
	for i=2:length(R)
	    x0=a(R(i-1),1);
	    y0=a(R(i-1),2);
	    x1=a(R(i),1);
	    y1=a(R(i),2);
	    xx=[x0,x1];
	    yy=[y0,y1];
	    plot(xx,yy);
	    hold on;
	end
	
end

<3> mylength.m：计