人工智能tsp旅行商问题实验报告.pdfVIP

下载可编辑 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 。 .专业 .整理 . 下载可编辑 struct RanSeTi // 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 } RanSeTi [num], RanSeTi temp[num]; // 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 RanSeTi // 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 } RanSeTi [num], RanSeTi temp[num]; // 用数组来存储染色体群体方法 2) 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 。 .专业 .整理 . 下载可编辑