基于混合粒子群算法的TSP搜索算法概要.ppt

* * * * 基于混合粒子群算法的TSP搜索算法 机械工程 夏永强 2016年5月 理论基础 问题描述 解题思路以及步骤 MATLAB程序设计 结果分析 目录 一、理论基础 标准粒子群算法是通过追随个体极值和群体极值来完成极值寻优的，虽然操作简单，且能够快速收敛，但是随着迭代次数的不断增加，在种群收敛集中的同时，各粒子也越来越相似，可能在局部解周边无法跳出。混合粒子群算法摒弃传统粒子群算法通过跟踪极值来更新粒子位置的方法，而是引入了遗传算法的交叉和变异操作，通过粒子同个体极值和群体极值的交叉以及粒子自身变异的方式来搜索最优解。 二、问题描述 旅行商问题（Traveling Salesman Problem，TSP）又译为旅行推销员问题、货郎担问题，简称为TSP问题，是最基本的路线问题，该问题是在寻求单一旅行者由起点出发，通过所有给定的需求点之后，最后再回到原点的最小路径成本。最早的旅行商问题的数学规划是由Dantzig（1959）等人提出。旅行商问题是车辆路线问题（VRP）的特例，已证明旅行商问题是NP难题。 三、解题思路以及步骤 1.算法流程 基于混合粒子群TSP算法流程图如图所示： 混合粒子群算法流程图 其中，种群初始化模块初始化粒子群种群；适应度值计算模块计算粒子群个体的适应度值；更新粒子模块根据粒子适应度值更新个体最优粒子和群体