使用遗传算法解决TSP问题

遗传算法顾名思义就是模拟生物界的自然选择原理，比如对于TSP问题，遗传算法大体上是可以先随机生成一组大量的解空间，作为一个初始的种群，然后按照一定的策略让种群自由交叉（也就是传说中的交配），变异。按照一定的策略淘汰种群中不符合预期目的的个体。

       目前大多数遗传算法使用的是根据随机生成的概率与给定的交叉，变异概率相比来决定是否交叉，变异，但是笔者觉得这种算法虽然更符合自然界的随机交配原则，但是对于解决TSP问题比较盲目，有时候可能走过多弯路。

       本文采用的方法是一种修改的遗传算法，具体如下：

        1、随机生成一个初始种群

        2、计算种群中每个个体的代价，在TSP中也就是路径和。选出最小的两组路径AB，和代价最大的路径CD。

        3、AB交叉，产生两个子代EF，大多数情况下EF的代价肯定是小于CD的（ps：帅哥和美女生出的儿子肯定很帅嘛）

              用EF替代CD，这样就把种群中两个比较差的个体淘汰掉了。

        4、变异这一步，还是使用全部变异的好，有利于种群的进化。对于每个个体随机个概率和给定的概率比较来决定是否变异。

        5、计算种群中代价最大的和最小的路径差，如果路径差值小于10的话说明种群已经趋于稳定，跳转6，，否则跳转2，继续交叉变异，进化

        6、现在种群的代价已经趋于稳定了，算是可以结束了。代价最小的路径即为TSP的最优解。

        完

       此算法虽然和正统教材上的算法不一样，但是个人觉得这样效率更高些。如有疏漏还请指正。

        由于代码比较长，就不贴了，在此可下载http://download.csdn.net/detail/z598751848/4308735