- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
用遗传算法求解中国34个省会TSP的问题剖析
题目:用遗传算法求解中国34个省会TSP问题源代码分享在本人博客:Bbingo.org2012-1-17智能控制技术及其应用大作业专业:控制工程学号:XXXXXX姓名:XXX用遗传算法求解中国 34 个省会 TSP问题一、 TSP问题的描述旅行商问题(TSP)可以具体描述为:已知 n个城市之间的相互距离,现有一个推销员从某一个城市出发,必须遍访这n个城市,并且每个城市只能访问一次,最后又必须返回到出发城市,如何安排他对这些城市的访问次序,可使其旅行路线的总长度最短。现给出中国34个省会数据,要求基于此数据使用遗传算法解决该TSP 问题。city=图1 中国34省会位置1.西藏2.云南3.四川4.青海5.宁夏6.甘肃7.内蒙古8.黑龙江9.吉林10.辽宁11.北京12天津13.河北14.山东15.河南16.山西17.陕西18.安徽19.江苏20.上海21.浙江22.江西23.湖北24.湖南25,贵州26.广西27.广东28.福建29.海南30.澳门31.香港32.台湾33.重庆34.新疆像素坐标如下:Columns 1 through111001872011872212022583523463362902112652141581421651216685106127Columns 12 through22297278296274265239302316334325293135147158177148182203199206215233Columns 23 through33280271221233275322250277286342220216238253287285254315293290263226Column3410477二、遗传算法的介绍2.1遗传算法遗传算法的基本原理是通过作用于染色体上的基因寻找好的染色体来求解问题,它需要对算法所产生的每个染色体进行评价,并基于适应度值来选择染色体,使适应性好的染色体有更多的繁殖机会,在遗传算法中,通过随机方式产生若干个所求解问题的数字编码,即染色体,形成初始种群;通过适应度函数给每个个体一个数值评价,淘汰低适应度的个体,选择高适应度的个体参加遗传操作,经过遗产操作后的个体集合形成下一代新的种群,对这个新的种群进行下一轮的进化。2.2遗传算法的过程遗传算法的基本过程是:1. 初始化群体。2. 计算群体上每个个体的适应度值3. 由个体适应度值所决定的某个规则选择将进入下一代个体。4. 按概率 Pc进行交叉操作。5. 按概率Pm进行变异操作。6. 没有满足某种停止条件,则转第2步,否则进入第7步。7.输出种群中适应度值最优的染色体作为问题的满意解或最优界。停止条件有两种:一是完成了预先给定的进化代数则停止;二是种群中的最优个体在连续若干代没有改进或平均适应度在连续若干代基本没有改进时停止。遗传算法过程图如图2:图2遗传算法过程框图三、 遗传算法解决 TSP 问题的 Matlab程序实现3.1 程序初始化程序首先读入34个省会城市坐标,计算任意两个城市的距离;设置遗传算法控制参数。clearall;clc;clf;load(testdata.mat);nlen=length(x1);xy=[x1;y1];n =500;%种群数目C =5000;%进化迭代次数m=2;%适应度归一化淘汰加速指数,取值不宜太大alpha=0.8;%淘汰保护指数,范围0~1,为1时关闭保护a =meshgrid(1:nlen);%生成 n xn矩阵dmat = reshape(sqrt(sum((xy(a,:)-xy(a,:)).^2,2)),nlen,nlen);%计算城市距离矩阵遗传算法对求解问题本身是一无所知的,这里采用随机生成初始化种群,如下:[N,NN]=size(dmat);farm=zeros(n,N);%用于存储种群fori=1:nfarm(i,:)=randperm(N); %随机生成初始化种群end3.2 计算适应度本程序目标函数为经过 34省会的总距离,适应度与目标函数的正相关,取值范围0~1,适应度计算公式为:fit ??(1?len ??minlen)mmaxlen??minlen??0.0001其中,len 为某组解的总距离,minlen 为该次迭代中最短距离,maxlen为该次迭代中最长距离,m为适应度归一化淘汰加速指数,源程序如下:functionfitness=fit(len,m,maxlen,minlen)fitness=len;fori=1:length(len)fitness(i,1)=(1-((len(i,1)-minlen)/(maxlen-minlen+0.0001))).^m;end3.3 选择操作当个体适应度小于某一随机数值时,遭到淘汰,保留优秀个体,使它
文档评论(0)