遗传算法的设计.docVIP

遗传算法的TSP (旅行商问题)的求解 学生姓名：宗满意 指导老师：乔立红 摘 要TSP 问题是典型的NP完全问题,遗传算法是求解NP完全问题的一种常用方法。本文针对解决TSP 问题,在MATLAB中用遗传算法施行对TSP问题进行了求解，进行了选择、交叉和变异算子进行了算法设计，最后在MATLAB软件上进行编程实现。最后探讨了遗传算法解决旅行商问题自身具备的特点[1]。 关键词：遗传算法；TSP问题；MATLAB软件 SOLVING TSP (Travelling Salesman Problem ) BASED ON GENETIC ALGORITHM Author : Zong Man-yi Tutor : Qiao Li-hong Abstract TSP( Traveling Salesman Problem) is a typical NP complete problem ,genetic algorithm is the perfect method for solving NP complete problem. This paper use genetic algorithm in the MATLAB software to solve the a typical TSP problem . It probes into the realization of genetic operator program through TSP solving by genetic algorithm , design the each function of each genetic operator(select, intercross, mutate). Finally ,We programm in Matlab language and discuss the characteristic of genetic algorithm in solving TSP Key words : genetic algorithm; TSP Matlab ; 目录 引言 4 1　 GA概述 4 2　旅行商问题(TSP) 4 3 用遗传算法解决旅行商问题 5 4 论文的主要构成 5 遗传算法的设计 6 1问题分析 6 2 总体设计 7 3 详细设计 8 3.1 　编码与随机和初始群体生成 8 3.2 　城市位置及距离矩阵和适应度函数 8 3.4 选择 9 3.4 交叉 9 3.5 变异 10 3.6 群体的跟新和终止条件 10 MATLAB编程验证 11 1MATLAB计算 11 2算法分析优化 13 结论 15 参考文献 16 引言 1　 GA概述 遗传算法(Genetic Algorithm , GA ) 是由美国J. Holland 教授提出的一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。它起源于达尔文的进化论, 是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。其主要特点是群体搜索策略和群体中个体之间的信息交换, 搜索不以梯度信息为基础。它尤其适用于处理传统搜索方法难于解决的复杂和非线性问题, 可广泛应用于组合优化、机器学习、自适应控制、规划设计和人工生命等领域。作为一种全局优化搜索算法, 遗传算法以其简单通用、鲁棒性强、适于并行处理以及应用范围广等特点, 使其成为21 世纪智能计算核心技术之一。进入80 年代, 遗传算法迎来了兴盛发展时期, 无论是理论研究还是应用研究都成了十分热门的话题[2]。 2　旅行商问题(TSP) 一个有名的组合优化问题就是旅行商问题(Travelling Salesman Problem , TSP)。TSP问题是典型的、易于描述却难以处理的组合优化问题。由于遗传算法方法的本质是处理复杂问题的一种鲁棒性强的启发性随机搜索算法, 故而利用遗传算法求解这类问题是有效的。 假设平面上有n个点代表n个城市的位置, 寻找一条最短的闭合路径, 使得可以遍历每一个城市恰好一次。这就是旅行商问题。旅行商的路线可以看作是对n个城市所设计的一个环形, 或者是对一列n个城市的排列。由于对n个城市所有可能的遍历数目可达(n- 1)!个, 因此解决这个问题需要0(n!)的计算时间。假设每个城市和其他任一城市之间都以欧氏距离直接相连。也就是说, 城市间距可以满足三角不等式, 也就意味着任何两座城市之间的直接距离都小于两城市之间的间接距离。是一个典型的优化组合问题[3]。 3 用遗传算法解决旅行商问题 目前针对TSP问题有许多种解法，较为常用的算法有神经网