问题描述
旅行的商人(Travel Salesman)如何规划最短的路线走遍31个地点。
问题分析
将31个地点编号,其顺序作为基因,适应度为(1-归一化的总距离),初始化一个种群,经过若干代选择,交叉,变异,挑选出适应度最大的对应的就是最短距离。
Matlab代码
初始化参数
clear all; %清除所有变量
close all; %清图
clc; %清屏
C=[1304 2312;3639 1315;4177 2244;3712 1399;3488 1535;3326 1556;...
3238 1229;4196 1044;4312 790;4386 570;3007 1970;2562 1756;...
2788 1491;2381 1676;1332 695;3715 1678;3918 2179;4061 2370;...
3780 2212;3676 2578;4029 2838;4263 2931;3429 1908;3507 2376;...
3394 2643;3439 3201;2935 3240;3140 3550;2545 2357;2778 2826;...
2370 2975];
N=size(C,1); %城市数目,基因数目
D=zeros(N); %任意两个城市距离矩阵
NP=100; %染色体数目,不是越多越好
G=2000; %最大遗传代数
Pc=0.1; %交叉率
f=zeros(NP,N); %中间变量
F=[];
len=zeros(NP,1);
Fit=zeros(NP,1);
求两点间距
for i=1:N
for j=1:N
D(i,j)=((C(i,1)-C(j,1))^2+(C(i,2)-C(j,2))^2)^0.5;
end
end
随机生成第一代
for i=1:NP
f(i,:)=randperm(N);
end
计算路径总长度
for np=1:NP
len(np,1)=D(f(np,N),f(np,1));
for n=1:(N-1)
len(np,1)=len(np,1)+D(f(np,n),f(np,n+1));
end
end
maxlen=max(len);
minlen=min(len);
更新最短路径
rr=find(len==minlen);
fBest=f(rr(1,1),:);
归一化适应度
路径越短,适应度越大
for i=1:length(len)
Fit(i,1)=(1-((len(i,1)-minlen)/(maxlen-minlen))).^1;
end
选择操作
随机选择出一部分数目随机的适应度大的个体,此时数目比初始减少。随机选出其中两个作为父母,交配产生两个新个体,加入到新种群,在同一代中反复如此操作,使种群数目扩增到与初始种群相同。
注意
- 如果选取适应度最大的两个个体来交配,可能会减少生物多样性,导致早熟。
- 新种群是由一部分适应度大的父代和一部分交配出来的子代组成的。
nn=0;
for np=1:NP
if Fit(np,1)>=rand
nn=nn+1;
F(nn,:)=f(np,:);
end
end
[aa,bb]=size(F);
while aa<NP
nnper=randperm(nn);
A=F(nnper(1),:);
B=F(nnper(2),:);
randperm()函数用法
P=randperm(N)返回一个包含N个在0到N之间产生的随机元素的向量
例如:randperm(6)可能为[2 4 5 6 1 3]
P=randperm(N,K)返回一个包含K个在0到N之间的随机元素向量
例如:randperm(6,3)可能为[4 2 5]
size()函数用法
x=[1,2,3;4,5,6]是一个2*3的矩阵,则:
d = size(X); %返回矩阵的行数和列数,保存在d中
[m,n] = size(X)%返回矩阵的行数和列数,分别保存在m和n中
m = size(X,dim);%返回矩阵的行数或列数,dim=1返回行数,dim=2返回列数
交叉操作
两个染色体交换一段连续的基因,还要防止交换的基因重复
W=ceil(N*Pc);
p=unidrnd(N-W+1);
for i=1:W
x=find(A==B(1,p+i-1));
y=find(B==A(1,p+i-1));
temp=A(1,p+i-1);
A(1,p+i-1)=B(1,p+i-1);
B(1,p+i-1)=temp;
temp=A(1,x);
A(1,x)=B(1,y);
B(1,y)=temp;
end
unidrnd()函数用法
R = unidrnd(N)
产生从1到N所指定的最大数数之间的离散均匀随机数。其中N可以是一个向量、矩阵、多维数组(当然也可以是一个数,即1乘以1的矩阵),但N中所有元素都必须是正整数。这种调用方式将产生一个和N具有相同尺寸(行、列、维数)的矩阵R。
R = unidrnd(N,m,n)
这里m和n分别指定生成的矩阵R的行数和列数。
取整函数
fix(x):向0取整(也可以理解为向中间取整)
floor(x):向左取整
ceil(x):向右取整
变异操作
染色体自身两个基因对调位置,且相互交叉的一对染色体变异位置不同
p1=floor(1+N*rand());
p2=floor(1+N*rand());
while p1==p2
p1=floor(1+N*rand());
p2=floor(1+N*rand());
end
tmp=A(1,p1);
A(1,p1)=A(1,p2);
A(1,p2)=tmp;
tmp=B(1,p1);
B(1,p1)=B(1,p2);
B(1,p2)=tmp;
遗传循环代码汇总
for gen=1:G
%%%%%计算路径长度%%%%%
for np=1:NP
len(np,1)=D(f(np,N),f(np,1));
for n=1:(N-1)
len(np,1)=len(np,1)+D(f(np,n),f(np,n+1));
end
end
maxlen=max(len);
minlen=min(len);
%%%%%更新最短路径%%%%%
rr=find(len==minlen);
fBest=f(rr(1,1),:);
%%%%%计算归一化适应度%%%%%
for i=1:length(len)
Fit(i,1)=(1-((len(i,1)-minlen)/(maxlen-minlen+0.0001))).^1;
end
%%%%%选择操作%%%%%
nn=0;
for np=1:NP
if Fit(np,1)>=rand
nn=nn+1;
F(nn,:)=f(np,:);
end
end
[aa,bb]=size(F);
while aa<NP
nnper=randperm(nn);
A=F(nnper(1),:);
B=F(nnper(2),:);
%%%%%交叉操作%%%%
W=ceil(N*Pc);
p=unidrnd(N-W+1);
for i=1:W
x=find(A==B(1,p+i-1));
y=find(B==A(1,p+i-1));
temp=A(1,p+i-1);
A(1,p+i-1)=B(1,p+i-1);
B(1,p+i-1)=temp;
temp=A(1,x);
A(1,x)=B(1,y);
B(1,y)=temp;
end
%%%%%变异操作%%%%%
p1=floor(1+N*rand());
p2=floor(1+N*rand());
while p1==p2
p1=floor(1+N*rand());
p2=floor(1+N*rand());
end
tmp=A(1,p1);
A(1,p1)=A(1,p2);
A(1,p2)=tmp;
tmp=B(1,p1);
B(1,p1)=B(1,p2);
B(1,p2)=tmp;
F=[F;A;B]; %把交配出的两个新个体增加到新的种群
[aa,bb]=size(F); %相当于aa=aa+2
end
if aa>NP %由于随机选出的nn有可能为奇数
F=F(1:NP,:); %以此来保证种群数目稳定
end
f=F;
clear F;
trace(gen)=minlen;
end
画图
figure
for i=1:N-1
plot([C(fBest(i),1),C(fBest(i+1),1)],[C(fBest(i),2),C(fBest(i+1),2)],'bo-')
hold on
end
plot([C(fBest(N),1),C(fBest(1),1)],[C(fBest(N),2),C(fBest(1),2)],'bo-')
title(['最优化距离',num2str(minlen)]);
figure
plot(trace)
xlabel('迭代次数')
ylabel('目标函数值')
title('适应度进化曲线')
连接两个散点的方法
plot([x1,x2],[y1,y2])
优化结果