TSP遗传算法各语言实现.docVIP

%TSP问题（又名：旅行商问题，货郎担问题）遗传算法通用matlab程序 1 一个C++的程序： 3 C语言程序： 7 改进后用来求解VRP问题的Delphi程序： 20 %TSP问题（又名：旅行商问题，货郎担问题）遗传算法通用matlab程序 %D是距离矩阵，n为种群个数,建议取为城市个数的1~2倍， %C为停止代数，遗传到第 C代时程序停止,C的具体取值视问题的规模和耗费的时间而定 %m为适应值归一化淘汰加速指数 ,最好取为1,2,3,4 ,不宜太大 %alpha为淘汰保护指数,可取为0~1之间任意小数,取1时关闭保护功能,最好取为0.8~1.0 %R为最短路径,Rlength为路径长度 function [R,Rlength]=geneticTSP(D,n,C,m,alpha) [N,NN]=size(D); farm=zeros(n,N);%用于存储种群 for i=1:n farm(i,:)=randperm(N);%随机生成初始种群 end R=farm(1,:);%存储最优种群 len=zeros(n,1);%存储路径长度 fitness=zeros(n,1);%存储归一化适应值 counter=0; while counterC for i=1:n len(i,1)=myLength(D,farm(i,:));%计算路径长度 end maxlen=max(len); minlen=min(len); fitness=fit(len,m,maxlen,minlen);%计算归一化适应值 rr=find(len==minlen); R=farm(rr(1,1),:);%更新最短路径 FARM=farm;%优胜劣汰，nn记录了复制的个数 nn=0; for i=1:n if fitness(i,1)=alpha*rand nn=nn+1; FARM(nn,:)=farm(i,:); end end FARM=FARM(1:nn,:); [aa,bb]=size(FARM);%交叉和变异 while aan if nn=2 nnper=randperm(2); else nnper=randperm(nn); end A=FARM(nnper(1),:); B=FARM(nnper(2),:); [A,B]=intercross(A,B); FARM=[FARM;A;B]; [aa,bb]=size(FARM); end if aan FARM=FARM(1:n,:);%保持种群规模为n end farm=FARM; clear FARM counter=counter+1 end Rlength=myLength(D,R); function [a,b]=intercross(a,b) L=length(a); if L=10%确定交叉宽度 W=1; elseif ((L/10)-floor(L/10))=randL10 W=ceil(L/10); else W=floor(L/10); end p=unidrnd(L-W+1);%随机选择交叉范围，从p到p+W for i=1:W%交叉 x=find(a==b(1,p+i-1)); y=find(b==a(1,p+i-1)); [a(1,p+i-1),b(1,p+i-1)]=exchange(a(1,p+i-1),b(1,p+i-1)); [a(1,x),b(1,y)]=exchange(a(1,x),b(1,y)); end function [x,y]=exchange(x,y) temp=x; x=y; y=temp; % 计算路径的子程序 function len=myLength(D,p) [N,NN]=size(D); len=D(p(1,N),p(1,1)); for i=1:(N-1) len=len+D(p(1,i),p(1,i+1)); end %计算归一化适应值子程序 function fitness=fit(len,m,maxlen,minlen) fitness=len; for i=1:length(len) fitness(i,1)=(1-((len(i,1)-minlen)/(maxlen-minlen+0.000001))).^m; end 一个C++的程序： //c++的程序 #includeiostream.h #includestdlib.h templateclass T class Graph { public: Graph(int vertices=10) { n=vertices; e=0; } ~Graph(){} virtual bool Add(int u,int v,const T w)=0; virt