遗传算法和模拟退火算法求解TSP的性能分析.pdfVIP

9 第 卷 V01．19 N,o．1J 9年年1第11月期 计算机技术与发展 200 O0 口PI玎ERTEam D ( ANDDEVELDPMENT NOV． 2009 遗传算法和模拟退火算法求解 TSP的性能分析 汪松泉 ，程家兴2 (1．安徽大学计算机科学与技术学院，安徽 合肥 230039； 2．安徽大学计算智能与信号处理教育部重点实验室。安徽 合肥 230039) 摘 要：旅行商问题(TravelingSalesmanProblem， )是一个典型的组合优化问题，并且是一个NP难题，其可能的路径总 数与城市数 目是呈指数型增长的，所 以一般很难精确地求出其最优解，因而寻找出有效的近似求解算法就具有重要的意 义。目前求解 TSP问题的主要方法有模拟退火算法(SimulatedAnnealing，SA)、遗传算法(GeneticAlgorithm，GA)和神经网 络算法等。GA是模拟生物在 自然环境中的遗传和进化过程而形成的一种 自适应的全局优化概率搜索算法。SA算法用 于优化问题的出发点是基于物理中固体物质的退火过程与一般优化 问题的相似性。文中将提出遗传算法和模拟退火算 法求解 TSP问题 ，通过试验 比较两者求解 TSP问题的性能，结果表明GA的性能要优于SA的性能。 关键词：遗传算法；模拟退火算法 ；TSP 中图分类号 ：1P301．6 文献标识码 ：A 文章编号 ：1673—629X(2Oo9)1l一0097—04 PerformanceAnalysisonSolvingProblem ofTSP byGenetic Algorithm andSimulatedAnnealing WANGSong．quan，CHENGJia-xing2 (1．SchoolofComputerScienceandTechnologyinAnhuiUniversity，Hefei230039，China； 2．MinistryofEdu．KeyLab．ofIntelligentComputing SignalProcessing，AnhuiUniv．，Hefei230039，China) Abstract：TSP isatypicalcombinationoptimizationproblem，whichisalsoanNPhard—problem．Itssizeisincreasedbyexponentialn． So，itishardtofindaprecisionresult，anditisv importanttosearchforthene氆rresdt．Currently，themainmethodofoslvingTSPhas GA，SA andtheneuralnetworkalgorithm．GA isasimulationofthenat~alnevironmentinthebiogneeticandevolutionaryproces~ofthe formationofna adaptivesearchalgoritmh forglobaloptimizationprobability．SA solvesoptimizationproblem，whichthestarting pointis bEs【edonthephysicsoftheannealing processofsolidswiththegeneralsimilariyt ofoptimizatoinproblems．Proposedtwoeffectivemeth— ods：geneticalgorithm nadsimulatedannealing ．throughthexeperiment，compar