原创力文档- 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
遗传算法及其在TSP问题的实际应用
本 科 毕 业 设 计
毕业设计题目：遗传算法及其在TSP问题的应用
学生姓名：
学 号：
系 别：
专业班级：
指导教师姓名及职称：
起止时间：
摘要
遗传算法(Genetic Algorithm, GA)是近年来迅速发展起来的一种全新的随机搜索与优化算法TSP问题。然后详细地阐述了遗传算法在编码表示和遗传算子（包括选择算子、交叉算子、变异算子）等其他方面的应用情况，最后通过对初始种群、遗传代数、交叉率、变异率等参数进行修改、测试、对比，来验证这些参数对算法的求解结果和求解效率的影响。
关键词 遗传算法 旅行商问题 编码 轮盘赌算法 最优保存策略
顺序交叉
Abstract
Genetic Algorithm (Genetic Algorithm, GA) is a new random search and optimization algorithm，develop rapidly in recent years, TSP (Traveling Salesman Problem) is a typical NP - complete problem and genetic algorithm (GA) is one of the best methods for solving NP - complete problem, the basic idea of the theory is Darwin and Mendels genetics.
Firstly，the article introduces the Genetic Algorithm and Traveling Salesman Problem briefly and mathematically. Then describes the detail of the genetic algorithm，such as coded representation，genetic operators (including selection operator, crossover operator, mutation operator) and the other applications. Finally，we modify the parameters of the initial population，genetic algebra，crossover rate，mutation rate to verify the influence on the result and solving efficiency of the algorithm
Key words genetic algorithm TSP coding Roulette algorithm
Elitist strategy Order crossover 目 录
第一章 引言 2
1.1 研究背景 3
1.2 国内外发展现况 3
1.3 主要研究内容 5
1.4 本文结构 5
第二章 遗传算法与TSP问题介绍 6
2.1 遗传算法介绍 6
2.1.1 遗传算法的特点 7
2.1.2 基本遗传算法的应用步骤 7
2.1.3 基本遗传算法的流程图 8
2.1.4 遗传算法应用中的关键问题 9
2.2 TSP问题介绍 12
第三章 遗传算法在TSP上的应用与实现 13
3.1 遗传算法解决TSP问题的具体实现 13
3.1.1 本文用遗传算法解决TSP问题的流程图 13
3.1.2 编码 14
3.1.3 适应度函数 14
3.1.4 初始化种群 14
3.1.5 选择操作 15
3.1.6 交叉操作 16
3.1.7 变异操作 16
3.2 不同参数下的计算结果对比 17
3.2.1 初始种群10和100的对比 18
3.2.2 不同交叉率和变异率的对比 19
3.2.3 不同参数下结果对比结论 21
3.2.4 程序运算过程截图 21
3.3 东莞10个景点坐标和运行结果 24
第四章 结 论 26
参 考 文 献 27
附录 相关源代码 28
致 谢 35
第一章 引言
在过去,人们往往只能处理一些简单的问题，对于大型复杂系统的优化和自适应问题，仍然无能为力。但是在这方面，自然界中的生物表现出了其优异的能力，它们能够通过优胜劣汰、适者生存的自然进化法则进行生存和繁衍，并能渐渐地进化出对其生存环境适应性越来越高的优良物种。遗传算法就是模拟自然界中生物进化的一种高效的算法，其基本思想就是模拟
文档评论（0）