一种混合遗传模拟退火算法及其应用.pdfVIP

第 4 卷 　第 2 期 ( ) Vol . 4 　No . 2 广州大学学报 自然科学版 　2005 年 　4 月 　 ( ) Journal of Guangzhou University Natural Science Edition Apr . 　2005 ( ) 文章编号 2005 一种混合遗传模拟退火算法及其应用 刘怀亮 , 刘 　淼 (广州大学 信息与机电工程学院 , 广东 广州 　510405) 摘 　要 : 分析了遗传算法和模拟退火算法的优缺点 ,提出了一种混合遗传模拟退火算法 ,对其进行优化 ,并将 该算法应用于 TSP 问题的求解之中. 理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传 算法和模拟退火算法. 关键词 : 模拟退火算法 ;遗传算法 ;TSP 问题 中图分类号 : TP 301. 6 　　　文献标识码 : A 人的. 若用运算速度为 1G FLOPS 次的Cray Ⅱ型计 0 　引　言 算机进行搜索 , n = 7 时 , 需要0000 025秒 , n = 15 时需要 18 小时 , n = 20 时猛增到 350 年 , n = 50 ( 48 旅行商问题 Traveling Salesman Problem ,简记 时则需要 5 ×10 年 ! 显然 ,如此求 TSP 问题的方 ) ( 为 TSP 是一种典型组合优化 问题 Combinatorial 法是不可行的. Optimization Problem) ,并且也是一种 NP 完全问题 最初求 TSP 问题的近似解是采用一些局部搜 (Nondeterministic Polynomial Complete Problem) . TSP 索方法 ,如最近邻法 、最近插入法等 ,但这些算法 问题可以描述为 :有 n 个城市 ,它们相互之间距离 在最坏情况下得到的解很不理想. 由于这一类问 是已知的 ,有一商人从某一城市出发旅行完所有 题的复杂性 ,又有人提出了一些优化技术 ,如模拟 的 n 个城市 ,要求每一个城市只能经过一次 ,且最 退火[ 1] 、模拟进化[2 ,3 ] 和神经计算[4 ] 等. 但这些算 后回到出发点 ,求该旅行商所经过的最短路程和 法或因过于注意个别问题的特征而缺乏通用性 , 相应路线. 或因所得解强烈地依赖初始解的选取而缺乏实用 TSP 问题研究的重要性在于 : TSP 问题是许多 性. 遗传算法和模拟退火算法都是起因于大 自然 最难 NP 完全问题中的一个 ,所有 NP 完全问题在 的某些规律 ,考虑到两种算法的本质特点 ,本文将 数学上都等价于 TSP 问题 ,它的研究对于科学和 这两种算法相互结合 ,提出了一种混合遗传模拟 工程技