【GA TSP】遗传算法求解中国35省会城市旅行商问题【含Matlab源码 1222期】

最新推荐文章于 2024-02-18 09:50:01 发布

Matlab领域

最新推荐文章于 2024-02-18 09:50:01 发布

阅读量364

点赞数 11

分类专栏： Matlab路径规划（初级版）文章标签： matlab

本文链接：https://blog.csdn.net/weixin_63266434/article/details/135537095

版权

Matlab路径规划（初级版）专栏收录该内容

111 篇文章 7 订阅

订阅专栏

在这里插入图片描述

一、获取代码方式

获取代码方式1：
完整代码已上传我的资源：【TSP】基于matlab遗传算法求解中国35省会城市旅行商问题【含Matlab源码 1222期】
点击上面蓝色字体，直接付费下载，即可。

获取代码方式2：
付费专栏Matlab路径规划（初级版）

备注：
点击上面蓝色字体付费专栏Matlab路径规划（初级版），扫描上面二维码，付费29.9元订阅海神之光博客付费专栏Matlab路径规划（初级版），凭支付凭证，私信博主，可免费获得1份本博客上传CSDN资源代码（有效期为订阅日起，三天内有效）；
点击CSDN资源下载链接：1份本博客上传CSDN资源代码

二、TSP简介

旅行商问题，即TSP问题（Traveling Salesman Problem）又译为旅行推销员问题、货郎担问题，是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。
TSP的数学模型
在这里插入图片描述

三、遗传算法简介

1 引言
在这里插入图片描述

2 遗传算法理论
2.1 遗传算法的生物学基础

2.2 遗传算法的理论基础

2.3 遗传算法的基本概念

2.4 标准的遗传算法

2.5 遗传算法的特点

2.6 遗传算法的改进方向

3 遗传算法流程
在这里插入图片描述

4 关键参数说明

四、部分源代码

clear;
clc;
tStart = tic; % 算法计时器
%************************初始化参数变量*******************************
    [Num,Txt,Raw]=xlsread('provincial_ capital_coordinate12.xlsx');  %经纬度数据% 
    cities = Num(:,5:6);
    cities=cities';
    [~,cityNum]=size(cities);
    
    
    maxGEN = 500;
    popSize = 300; % 遗传算法种群大小
    crossoverProbabilty = 0.95; %交叉概率
    mutationProbabilty = 0.33; %变异概率

    %********初始化种群***********
    % 计算上述生成的各个城市之间的距离断
    distances = calculateDistance(cities);
    % 生成种群，每个个体代表一个路径
    gbest = Inf;%行：Inf 无穷大
    parentPop = zeros(popSize, cityNum);
    % 随机打乱种群
    for i=1:popSize
     parentPop(i,2:cityNum-1) = randperm(cityNum-2); %randperm功能是随机打乱一个数字序列，将1-cityNum数字序列随机打乱
     for a=2:cityNum-1
         parentPop(i,a)=parentPop(i,a)+1;
     end
     parentPop(i,1)=1;
     parentPop(i,cityNum)=cityNum;
    end
    % 定义子代种群
    childPop = zeros(popSize,cityNum);
    
    %定义每代的最小路径
    minPathes = zeros(maxGEN,1);
    %****************************
  
%**********************************************************************

%*********************GA算法选择交叉变异执行过程************************
for  genNum=1:maxGEN
 
    % 计算适应度的值，即路径总距离
    [fitnessValue, sumDistance, minPath, maxPath] = fitness(distances, parentPop);
    tournamentSize=4; %设置大小
    for k=1:popSize
    %% 以下为联赛选择法
        % 随机选择父代
        tourPopDistances=zeros( tournamentSize,1);
        for i=1:tournamentSize
            randomRow = randi(popSize);%行：返回一个介于1到popSize的伪随机整数
            tourPopDistances(i,1) = sumDistance(randomRow,1);
        end
 
        % 选择最好的，即距离最小的
        parent1  = min(tourPopDistances);
        [parent1X,parent1Y] = find(sumDistance==parent1,1, 'first');%选出随机的4个中最短距离种群序号
        parent1Path = parentPop(parent1X(1,1),:);%%选出随机的4个中最短距离种群路径
 
 
        for i=1:tournamentSize
            randomRow = randi(popSize);
            tourPopDistances(i,1) = sumDistance(randomRow,1);
        end
        parent2  = min(tourPopDistances);
        [parent2X,parent2Y] = find(sumDistance==parent2,1, 'first');
        parent2Path = parentPop(parent2X(1,1),:);
    %% 以上为联赛选择法
function [childPath] = crossover(parent1Path, parent2Path, prob)
% 交叉
 
    random = rand();
    if prob >= random                     %行：随机生成一个01之前的数，和概率值比较，相当于一个轮盘赌的选择，来执行概率选择执行操作
        [l, length] = size(parent1Path);
        childPath = zeros(l,length);
        setSize = floor(length/2) -1;     %行：floor 朝负无穷大方向取整
        offset = randi(setSize);          %行：随机 产生1-setSize之间的整数
        parent1OXstart=offset;            %行：0X交叉，父代1遗传给子代的片段起点
        parent1OXend=setSize+offset-1;    %行：0X交叉，父代1遗传给子代的片段终点
        
        for i=parent1OXstart:parent1OXend
            childPath(1,i) = parent1Path(1,i);
        end
        
        childPath(1,1) = parent1Path(1,1);%行：将路径的起点和终点直接赋给子代，因为起点和终点不变
        childPath(1,length) = parent1Path(1,length);
        
        %行：parent2依顺序放入子代位坐标
        parent2Point=2;                
        for x=2:length-1
            if childPath(1,x)==0
                for y=parent2Point:length-1
                    if ~any(childPath == parent2Path(1,y))%行：如果子代路径相应元素不等于父代元素
                        childPath(1,x)=parent2Path(1,y);
                        parent2Point=y+1;
                        break;
                    end
                end
            end
        end
        
    else
        childPath = parent1Path;
    end
end
function [ bestPopPath ] = paint( cities, pop, minPath, totalDistances,gen)
    gNumber=gen;
    [~, length] = size(cities);
    xDots = cities(1,:);
    yDots = cities(2,:);
    %figure(1);
    %行：先画城市的固定坐标
    plot(xDots,yDots, 'p', 'MarkerSize', 10, 'MarkerFaceColor', 'green');
    xlabel('经度');
    ylabel('纬度');
    axis equal
    
    [num,txt,raw]=xlsread('provincial_ capital_coordinate12.xlsx');  %经纬度数据% 
     text(xDots(1)+0.2,yDots(1)+0.2,txt(1+1,2),'FontSize',9.5,'Color','red','FontWeight','Bold') ; %先画起点，突出起点
    for i=2:length-1
        text(xDots(i)+0.2,yDots(i)+0.2,txt(i+1,2),'FontSize',8,'Color','blue','FontWeight','Bold') ; %加上0.01使标号和点不重合，可以自己调整
    end
    function [n_citys,city_position] = Read(filename)
fid = fopen(filename,'rt');%行：“rt”以文本方式读出
location=[];
A = [1 2];
tline = fgetl(fid);%行：从文件中读取一行数据，并去掉行末的换行符。 
while ischar(tline)
    if(strcmp(tline,'NODE_COORD_SECTION'))
        while ~isempty(A)
            A=fscanf(fid,'%f',[3,1]);
            if isempty(A)
                break;
            end
            location=[location;A(2:3)'];
        end
    end
    tline = fgetl(fid); 
    if strcmp(tline,'EOF')
        break;
    end