AI实验2.docVIP

实验2 用遗传算法求解TSP问题 一、实验目的： 理解遗传算法的概念和搜索机制，学会用基本遗传算法求解实际问题。 二、实验内容： 用遗传算法求解16个城市的TSP问题。由于其任一可能解—— 一个合法的城市序列，即n个城市的一个排列，都可以事先构造出来。于是，我们就可以直接在解空间（所有合法的城市序列）中搜索最佳解。这正适合用遗传算法求解。 三、实验步骤： 1、编码 路径表示是表示旅程对应的基因编码的最自然、最简单的表示方法。例如，旅程(5—1—7—8—9—4—6—2—3)可以直接表示为(517894623)，基于路径表示的编码方法，要求个个体(即一条旅程)的染色体编码中不允许有重复的基因码，也就是说要满足任一个城市必须而且只能访问一次的约束。 基于以上考虑，将TSP问题编码可表示为任意无重复的16个数字。 2、定义适应度函数 将一个合法的城市序列s=（c1, c2, …, cn）作为一个个体。这个序列中相邻两城市之间的距离之和的倒数就可作为相应个体s的适应度，从而适应度函数就是 3、选择初始种群。 4、采用部分匹配交叉的PMX算法，进行TSP问题的交叉运算。 5、进行基于次序的变异。 图1.1 算法流程图 四、实验结果 1、实验参数 1）16个城市的坐标分别为： 38.24 20.42 39.57 26.15 40.56 25.32 36.26 23.12 33.48 10.54 37.56 12.19 38.42 13.11 37.52 20.44 41.23 9.10 41.17 13.05 36.08 -5.21 38.47 15.13 38.15 15.35 37.51 15.17 35.49 14.32 39.36 19.56 2）实验初始化参数： 参数 实验取值 种群大小 500 编码长度 16 迭代次数 50 实验次数 20 交叉概率 0.8 变异概率 0.1 2、源程序： %.........主程序.Main......... %******************参数及参数说明****************** %-------nCity：城市数量，参数取值范围，2 整数； %-------xyCity：城市二维坐标，本例由计算机随机产生，范围(0,1)，假定起始城市为第nCity个城市； %-------dCity：城市间距离矩阵，本例考虑城市间往返距离相等，且定义距离为欧几里德范数； %-------nPopulation：种群个体数量； %-------Population：种群，nPopulation*(nCity-1)矩阵，每行由{1,2,...,nCity-1}某一个全排列构成； %-------generation：算法终止条件一，迭代代数； %-------nR：算法终止条件二，最短路径值连续nR代不变； %-------R：最短路径； %-------Rlength：最短路径长度。 function [R,Rlength]=GA_TSP(xyCity,dCity,Population,nPopulation,pCrossover,percent,pMutation,generation,nR,rr,rangeCity,rR,moffspring,record,pi) clear ALL %10个城市坐标 %xyCity=[38.24 20.42;0.2439 0.1463;0.1707 0.2293;0.2293 0.761;0.5171 0.9414; % 0.8732 0.6536;0.6878 0.5219;0.8488 0.3609;0.6683 0.2536;0.6195 0.2634]; %10 cities d=2.691 %-------------------------------------------------------------------------- %16个城市坐标 xyCity=[38.24 20.42 ;39.57 26.15 ; 40.56 25.32;36.26 23.12;33.48 10.54;37.56 12.19;38.42 13.11;37.52 20.44;41.23 9.10;41.17 13.05 ;36.08 -5.21;38.47 15.13;38.15 15.35 ; 37.51