Ｃ－ＴＳＰ问题几种解法的比较.pdfVIP

C，TSP问题几种解法的比较 王佳斌 李旭明 (华侨大学电子工程系，福建泉州，362011) 器本文用遗传算海解c—TSPfl题_，并与Ho龋eld神经网络的解法伟了比较，计算机模拟 显示，遗传算法的构造思路简单，收敛速度快，并可以收敛到近似最优解． 词C-TSPfg题遗传算法HoptBeld神经网络 C．TSP问题即中国旅行推销商阗题。 旅行推销商问题叉被称为邮递员难题。籀述如下；给定弹个城市，旅行商从某—城市开 重复地走遍所有城市再回到原出发她，求最短的一条有效路径。这是一个完全^酽闯题， ’…～“” 路径数为： 其中一为城市数，随着，，的增加，路径数将会“组台爆炸”。 中国旅行推销商闯透，即取抒值等于中凰的31个省市酋府(包括台北，不包括重庆)城市。 棼文对中国旅萱亍推销商问题的几种解法进行了比较- 瞬遗传算法解C．TSP)葛-J题 Oniversit)，)的心理学教授和电工及计冀机科学教授joh矗 塞传算法是密执安大学(Michigan olland和他的同事、学生研究国来的，是为了解释自然的自适应过程厦设计一个体现鲁 死理鲍较件系统。 ＆传算法是将闻题麴求解表示成“染色体”(用计算机编稷时，一般是用二进制码串表 从而构成一群“絷色律”．将它们霞于阐题的“环境”中，根据适者生存的原则，从 蕈出适应“环境”的“染色体”进行复制，帮再生fq脯du商∞，也称sdec60珏)，通 露(o-ogsovor)、变异(mutation)两种基因搽作产生出新的一代更遁应环境的“染色体” 样一代一代地不断进化．最后收敛到～个最适应环境的个体上，求褥阎题的最优解。 穿先考虑如何用遗传算法来描述这个闻题。遗传算法的核心为染色体(组)，鄢么在这f g中，用什么来表示染色体睨? E文以路径佧为染色体，既以任意～象有效路径作为染色体。先对所有城市避行编号，f 鼬g文献f4l，于是这些编号的任意～个排列组合都可表示一条有效路径丽成为一个絷色f i蕊的运算就是对这些路径进行操作。包括稃生、排序，交叉、变异等遗传运算· f #序：对任意选定的一组路径(染色体)，按其适应度的太小排序，适应度大的捧在前? l受的适应度指路径豹长短。 ；生：即对选定的染色体缀中适应度较离的染色律进行复制，适应度指某一染色体在其f F境中的地位。在c．丁sP问题中，适应度指在随机选定的～组有效路径中，某一路径膨 凄 长短，路径越短，其适应度越大，复制的个数越多。为了能正确表示这一关系，我们构造了 一个幽毅： ， 式中纠．表示第涤路径可以复制的个数，dist,表示第，条路径的长度．最短路径应复制的 个数用最长路径在路径长度和中所占的比例来表示．以此类推。这样做的原因是为了使适应 度函数比较台理。 交叉：在生物进化中交叉原指两个染色体把各自的一段进行交换，在本文中，交叉指一 条有效路径中，从路径f处开始的k个城市与扶，处开始的k个城市互相交换位置。其中7站为随 机数，三者必须满足关系式：0茎k≤milI({j一‘，I，Ⅳ一max(t，』)) 行为染色体长度，对这一问题，川驭3l。 变异：在生物进化中，变异原指染色体中的某一段发生变化。在本文中，变异指某一路 径中第，个城市与第，个城市互换位置。其中，0是随机数，且满足：，巧。 按照以上几个算予，我们就可以对事先随机产生的200条路径(染色体)进行优胜劣汰了。 具体算法如下； (I)随机产生200条路径。 (2)设定迭代次数。 (3)根据适应度(路径的长短)对这些路径进行排序，路径短的(适应度高)排在前面。 f4)对适应度高的路径进行再生，即按照路径的长短，路径越短，复制越多。只按照一 定比例复制适应度较高的路径。 (5)对复制之后的全部染色体．删除不好的路径，只仍然保留200个较好的。 (6)按照一定概率，对以上的200个染色体进行交叉运算，交叉的概率一般取75％左右， 可根据实际情况或通过实验来确定。 (7)根据一定概率，对以上200个染色体进行变异运算，变异的概率一般取5％左右，可根 据实际情况或通过