实验内容
对于同一个TSP问题,分析种群规模、交叉概率和变异概率对算法结果的影响。
增加1种变异策略和1种个体选择概率分配策略,比较求解同一TSP问题时不同变异策略及不同个体选择分配策略对算法结果的影响。
分析遗传算法求解不同规模TSP问题的算法性能
城市数量越大或者群体规模越大或者最大迭代数越大,运行等待结果的时间越久
TSP规模越大,用时越长,但是当规模大到一定程度时,遗传算法的求解性能优于广度/宽度优先搜索算法,用时比一般的搜索算法少很多,对自身来说规模越大结果越精确。
求解流程图
对同一个TSP问题,分析种群规模、交叉概率和变异概率对算法结果的影响。
(1)种群规模对结果的影响:规模越大算法结果越精确,适应度越好,但是运行时间越久。
设置 城市数量10 变异概率0.15 交叉概率0.95 最大迭代数500
种群规模设置为50时:2组得到了最优解
(2)交叉概率对结果的影响:交叉概率过低将得不到最优解,交叉概率越高平均适应度越好。
设置 城市数量10 变异概率0.15 最大迭代数500 种群规模500
交叉概率设置为0.99时:得到17组最优解<