【2018年最新整理】利用pso算法实现TSP课设报告.docxVIP

河南理工大学计算机科学与技术学院课程设计报告2015— 2016学年第一学期课程名称 Java语言程序设计设计题目利用pso算法实现TSP 姓名战文彦学号 311309010309 专业班级计算机1303指导教师刘志中2016年 1月6日目录一．课程设计内容3(一)课程设计题目3(二)课程设计目的3(三)课程设计要求3二．算法相关知识3(一)PSO算法简介3(二)PSO算法的运算流程4三.算法的JAVA实现6(一)程序设计思想61设计思想．52个体编码．63初始群体的产生.64最优解的计算.7(二)主要程序代码81代码实现.82.代码运行数据29(三)运行结果32四.课程设计的总结体会32五．参考文献33程序设计内容(一)课程设计题目应用PSO算法迭代解决旅行商问题（Travelling Salesman Problem ）。旅行商问题，即是TSP问题（Travelling Salesman Problem）又译为旅行推销员问题,货郎担问题，是数学领域著名的问题之一。假设一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得路径路程为所有城市路径之中的最小值。(二)课程设计目的1.训练应用算法求解实际问题；2训练应用Java语言实现具体问题的求解算法；3.到达理解java语言的应用特点以及熟练应用java语言的目标。(三)课程设计要求1.读懂算法，理解算法计算过程中每一步操作是如何实现的；2.设计函数优化的编码格式；3.采用java 语言编程实现算法的求解过程；4.掌握PSO算法的基本原理 ,了解在JAVA 环境中实现最优解的方程方法。并以此例说明所编程序在函数全局寻优中的应用。算法相关知识（一）PSO算法简介粒子群算法，也称粒子群优化算法(Particle Swarm Optimization)，缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的交叉(Crossover) 和变异(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。粒子群算法简称PSO，它的基本思想是模拟鸟群的捕食行为。设想这样一个场景：一群鸟在随机搜索食物。在这个区域里只有一块食物。所有的鸟都不知道食物在那里。但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。最简单有效的就是搜寻目前离食物最近的鸟的周围区域。PSO从这种模型中得到启示并用于解决优化问题。PSO中，每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值(fitness value)，每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索。PSO 初始化为一群随机粒子(随机解)。然后通过迭代找到最优解。在每一次迭代中，粒子通过跟踪两个极值来更新自己。第一个就是粒子本身所找到的最优解，这个解叫做个体极值pBest。另一个极值是整个种群目前找到的最优解，这个极值是全局极值gBest。另外也可以不用整个种群而只是用其中一部分作为粒子的邻居，那么在所有邻居中的极值就是局部极值。优化问题是工业设计中经常遇到的问题,许多问题最后都可以归结为优化问题.为了解决各种各样的优化问题,人们提出了许多优化算法,比较著名的有爬山法、遗传算法等.优化问题有两个主要问题:一是要求寻找全局最小点,二是要求有较高的收敛速度.爬山法精度较高,但是易于陷入局部极小.遗传算法属于进化算法(EvolutionaryAlgorithms)的一种,它通过模仿自然界的选择与遗传的机理来寻找最优解.遗传算法有三个基本算子:选择、交叉和变异.但是遗传算法的编程实现比较复杂,首先需要对问题进行编码,找到最优解之后还需要对问题进行解码,另外三个算法的实现也有许多参数,如交叉率和变异率,并且这些参数的选择严重影响解的品质,而目前这些参数的选择大部分是依靠经验.1995年Eberhart博士和kennedy博士提出了一种新的算法;粒子群优化(ParticalSwarmOptimization-PSO)算法.这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视,并且在解决实际问题中展示了其优越性.粒子群优化(ParticalSwarmOptimization-PSO)算法是近年来发展起来的一种新的进化算法(Evolu2tionaryAlgorithm-EA).PSO算法属于进化算法的一种,和遗