遗传算法求解TSP问题

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<