- 1、本文档共9页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
kkk
kkk
-kkk
-kkk
人工智能实验三实验报告
班级: 姓名: 学号:
一实验题目
TSP问题的遗传算法实现
旅行商问题(Traveling Salesman Problem, TSP),又译为旅行推销员问题、货担郎问 题,简称为TSP问题,是最基本的路线问题。假设有 n个可直达的城市,一销售商从其中 的某一城市出发,不重复地走完其余 n-1个城市并回到原出发点, 在所有可能的路径中求出
路径长度最短的一条。
应用遗传算法求解 30/10个节点的TSP (旅行商问题)问题,求问题的最优解。
二实验目的
1熟悉和掌握遗传算法的基本概念和基本思想;
2理解和掌握遗传算法的各个操作算子, 能够用选定的编程语言设计简单的遗传优化系
统;
3通过实验培养学生利用遗传算法进行问题求解的基本技能。
三实验要求
1掌握遗传算法的基本原理、各个遗传操作和算法步骤;
2要求求出问题最优解,若得不出最优解,请分析原因;
3对实验中的几个算法控制参数进行仔细定义,并能通过实验选择参数的最佳值;
4要求界面显示每次迭代求出的局部最优解和最终求出的全局最优解。
四数据结构
请说明染色体个体和群体的定义方法。
struct Ran SeTi 〃染色体的个体的定义方法
{
int city[cities]; //基因的排列(即城市的顺序,路径的组织)
int adapt; //记录适应度
double p; //记录其在种群中的幸存概率
} Ran SeTi [ num]. Ran SeTi temp[ nu m]; //用数组来存储染色体群体方法
五实验算法
1说明算法中对染色体的编码方法,适应度函数定义方法
1)染色体的编码方法:
即为染色体个体定义过程中生成的基因排列(路径中城市的顺序)
struct Ran SeTi //染色体的个体的定义方法
{
int city[cities]; II基因的排列(即城市的顺序,路径的组织)
int adapt; II记录适应度
double p; II记录其在种群中的幸存概率
} Ran SeTi [ num], Ra nSeTi temp[ nu m]; II用数组来存储染色体群体方法
适应度函数定义方法:
评价函数即适应度函数, 在遗传算法中用来计算一个染色体优劣的函数。 在进
行遗传操作和种群进化的时候,每个染色体的适应值是决定它是否进入下一轮种群 进化的关键因素。适应值高的函数被选作新一代个体的可能性就会大。
TSP问题中适应度函数常取路径长度的倒数(或倒数的相关函数) ,如:
/
n J
、d(Xi ,Xi i) d(xn xj
id
其中,N是个调节参数,根据实验情况进行确定。
for(i=0;i nu m;i++)
{
sumdista nce=0;
for(j=1;jcities;j++)
{
n1= Ran SeTi [i].city[j-1];
n2= Ran SeTi [i].city[j];
sumdista nce+=dista nce[n 1][ n2];
}
Ra nSeTi [i].ad apt=sumdista nee; II 每条染色体的路径总和 biggestsum+=sumdista nee; II 种群的总路径
}
2采用的选择、交叉、变异操作算子的具体操作
1)选择操作
我们定义f(xi)为第i (i=1,2,3.....popsize)个染色体的适应度,则每个个体被选 中的概率
是:P(Xi
是:
P(Xi) = f(Xi)
f(Xj)
j T
本题中具体使用的是期望值方法
II初始化梯度概率
for(i=0;i nu m;i++)
{
gradie nt[i]=O.O;
xua nze[i]=0.0;
}
gradie nt[0]=group[0].p;
for(i=1;i nu m;i++)
gradie nt[i]=gradie nt[i_1]+group[i].p;
sran d(( un sig ned)time(NULL));
//随机产生染色体的存活概率
for(i=0;i nu m;i++)
{
xua nze[i]=(ra nd()%100);
xua nze[i]/=100;
}
//选择能生存的染色体
for(i=0;i nu m;i++)
{
for(j=0;j nu m;j++)
{
if(xua nze[i]gradie nt[j])
{
xuan[i]=j; //第i个位置存放第j个染色体 break;
}
}
}
//拷贝种群
for(i=0;i nu m;i++)
{
grouptemp[i].adapt=group[i].adapt; grouptemp[i].p=group[i].p;
for(j=0;jcit
您可能关注的文档
- 管桩监理实施细则.docx
- 光纤光缆和通讯电缆技术发展与思考毕业设计.docx
- 广东省深圳市南山区2012-2013学年高一数学下学期期末考试试题新人教A版2.docx
- 广州英语中考语法选择专练.docx
- 国企采购公开招标服务类采购项目.docx
- 哈工大机械原理大作业三齿轮传动设计.docx
- 海南物流产业园项目可行性研究报告.docx
- 含磷酸钠废水蒸发结晶方案.docx
- 河南农业大学土木工程毕业论文.docx
- 呼吸科常见疾病健康教育-呼吸科常见疾病有哪些.docx
- 山东省威海市2023-2024学年高一年级下册期末考试语文试题及答案.pdf
- 2024-2025学年绥化市高二数学上学期开学考试卷(附答案解析).pdf
- 2024届贵州省贵阳某中学联考高考模拟预测地理试题(含答案解析).pdf
- 2024年公务员考试行测常识判断复习讲义.pdf
- 2024年广东学法考试试题附答案(考场一).pdf
- 2024年人教版八年级物理复习讲义:功 专项训练【五大题型】原卷版.pdf
- 江苏省泰州市高港区等2地2023-2024学年九年级上学期期中语文试题.pdf
- 酒店概论及酒店管理培训考试题库.pdf
- 湖北省旅游类《酒店服务》技能高考历年考试试题库(含答案).pdf
- 泰安市2025年中考一模考试物理试题(A)含解析.pdf
文档评论(0)