遗传算法求解TSP的研究.pdfVIP

第3期 无线互联科技 No．3 2015年2月 WireleSS Internet Technology February，2015 遗传算法求解TSP的研究 周 敏 湖南科技学院计算机与通信工程系，湖南 永州 425100 摘 要：遗传算法通常被认为是自适应的随机搜索算法，与传统的优化方法 枚举，启发式等 相比较，以生物进化为原 型，具有很好的收敛性。文章用遗传算法求解经典的旅行商问题，最后使用实验对算法进行了测试，能够在短时间内找 到理想的解。 关键词：遗传算法；旅行商问题；遗传；变异 1 意义和 目标 所得的解均可行，而且有效地增强了种群的多样性；其次， 文章提出用遗传算法求解TsP这个古老而有挑战性的 为了继承比较优秀的基因集，通过对量子进行杂交，并且 NP问题，利用遗传算法的原理对个城市进行编码，从一组 是在量子的个体上的操作来实现的；最后，通过加上两步 随机产生的初始解开始搜索，种群中的每个染色体是问题 的查找，并且是局部查找，从而降低了算法的收敛时间，第 的一个解的编码串，这些染色体在后续迭代中不断进化， 一 阶段主要针对实例中排列稀疏处的城市进行优化，第二 运算过程中计算每个个体的适应度来衡量染色体的好坏。 阶段在第一阶段的基础上着重对排列密集处的城市优化。 遗传和变异过程中，根据选择规则选择部分后代，同时淘 据此，设计了解TSP的一个新的高效的QGA，并证明了其以 汰部分后代，最后算法收敛于最好的染色体，可能是TSP的 概率1收敛到全局最优解；测定算法性能的数值。 最优解。 3 算法理论分析 2 国内外研究现状 达尔文著名的自然选择学说，是遗传算法的来源理 目前对遗传算法的研究大部分是从算子出发，提出各 论，该算法是一种迭代搜索算法。达尔文的自然选择学说 种杂交算子，但这些算子一般在实际使用中需要花费较大 认为：生物的变异一般不是定向的，而自然选择是定向的， 的工作量，比如已有的OX，PMX，SSX，ERX，CSEX和DPX等。 只有那些能适应环境的变异类型才能生存下来，产生后 还有其他一种变异算子，这种变异算子以颠倒作为基石， 代，而那些与环境不相适应的变异类型将可能被淘汰。在 它的工作效率比较高，但也有 自身的缺点，就是具有一定的 自然环境中，每种生物都有 自己的适应能力，适应能力的 随机性，从而实现不了对团体中的个别的消息进行再次构 不同揭示了不同生物的繁衍能力。 建。所以，由Michalewicz和郭涛根据以上两类算子的优缺 最原始的遗传算法中，仅仅包含三种最基本的遗传算 点进行了结合，得到了一种比较适合的算子，这种算子叫做 子，也就是选择算子、交叉算子和变异算子，这种最原始的 Inver—Over，这种算子能够容易获取，查找领域宽，它的基 遗传算法工作的过程是非常简单的，并且较为人们学习，它 本思路是：旅行商问题的核心参数是城市之间的边，却不 也是其他的后来发展的遗传算法的祖辈。 是这些城市的具地理位置。 1 最原始的遗传算法的组成部分。遗传算法中最基本 另外一些研究者为了提高群体的质量，发明了疫苗， 的就是染色体了，它是利用二进制编码的0和l组成的符号 通常称之为疫苗算法，而这种是一种基因库的观念，这种 串来表示的，也就是说它的等位基因是由零和一构成的。 观念是录制好基因的集合，通过路径抓举、灌输疫苗来实 而最初的状态下，0和1的符号串是可以随机的来生成染色 现的。量子遗传算法 QGA 在求解数值和组合优化问题时 体的。 效率明显优于传统进化算法，但 目前较多被用于求解组合 2 群体中的个体对环境的适应性的得分。决定是否遗 优化的背包问题，为了充分发挥QGA的优点，文中用其求 传的概率的大小，这个值是由个体的自适应性的大小决定 解TSP这一经典的NP难问题。首先，文中设计了一种利用几 的，可以说，自适应行越高，那么遗传的概率也就越高。这 率幅值编码的新的编码方式，即利用几率幅值编码的量子 里，要得到这个遗传的概率，那么初始状态下，必须让每个 个体与一组向量对应，而此向量又与一条可行路径一一对 个体的适应性的得分为0或者是大于0的数。所以，我们必 应。这样的编码方式不仅缩小了种群规模，占用较少内存， 须确定自适应性与遗传的概率的之间的正确规则。 作者简介：周敏 1991- ，男，湖南醴陵人，研究方向：计算机 自动化与智能传感器。 — — 128—— 第3期 2015年2月 无线互联科技 ·实验研究 No．3 February，2015 3 遗传算子：这里我们只谈到了三个最基本的遗传算 对标准的TSPLIB20个城市进行了计算，程序输入的初值 子：使用比例选择算子的是选择算子；使用单点交叉算子