基于K均值的改进遗传算法求解TSP.pdfVIP

技 术与方法 物流技术2011年第30卷第9期(总第240期) doi：10．39694．issn．1005—152X．2011．09．047 基于K均值的改进遗传算法求解TSP 崔 文，吴耀华 (山东大学 现代物流研究中心，山东 济南 250061) [摘 要]提出一种基于K均值聚类方法的改进遗传算法 ，该算法通过聚类方法把大规模 TSP转换为多个小型TSP，利用改进 的遗传算法针对每一个类分别优化，求解得到多个闭合回路，再利用节约的思想将多段回路连接构成单一回路。其中遗传算法 引入距离因子，结合TSP蝴【路中边的长度进行交叉和变异，实验证明，基于K均值的改进遗传算法在求解结果方面提高 3O％以 }。 关【键词】K均值；聚类方法；TSP；遗传算法 [中图分类~-]O224 文【献标识码】A [文章编号】10O5—152X(2011)09—0160—03 ImprovedGeneticAlgorithm forTSPBasedonK—-M eansClustering CUIW en．WU Yao-hua T【heLngisticsInstitute，ShandongUnivercity，Jinan250061，China) Abstract：Fhepaperproposesanimprovedgeneticalgorithm(GA)fi)rthetravelingsalesmanproblemonthebasisofK—Means Clustering，whichtransfomlsalargeTSP intoseveralsmalleronesusingtheclustermethodandoptimizeseachclassusingtheGA toget severalcircuits．Thensavingmethodisusedtoconnectthecircuitsintoasinglehypercircuit．Distanceasafactorisintroducedintothe GA andtheimprovedGA takesintoconsiderationthelengthoftheedgesofthehypercircuit．A subsequentexperimentshowsthatthe K-means—basedmethodcan improvethefinalresultbymorethan30％． Keywords：K—Means；clustefing；TSP；geneticalgorithm TSP进行聚类分析，利用改进的遗传算法对各类进行优化，再 1 引言 利用节约思想将各聚类连接为一条完整路径，其中在遗传算 法中加人了距离因子 ，实现交叉和变异的自学习型 ，使算法在 旅行商问题(TravelingSalesmanProblem，TSP)是最经典的 防止 “早熟”的同时，能够更快的得到近似解。 NP难组合优化问题之一，在经济和工程方面都有着重大的价 值，因此一直受到广大研究者关注。TSP问题可以描述为：给定 2 K均值聚类方法 表示 n个客厂1(或城市)的点集和任意两点之间的距离 ，寻找 一 条长度最短的Jl口【路，使回路仅经过每个客户 一次。由于可能 K均值聚类算法是J．B．MacQueen于 1967年提出的一种经 的路 径组合包 括 n!／2n种 ，利用分支定 界法 (Branchand 典聚类算法，由于此种方法在理解 与使用阶段都具有一定的 Bound)，割平面法等精