遗传算法解决旅行商问题（TSP）.pdfVIP

遗遗传传算算法法解解决决旅旅⾏⾏商商问问题题（（TSP））

这次的⽂章是以⼀份报告的形式贴上来，代只是简单实现，难免有漏洞，⽐如循环输⼊的控制条件，说是要求输⼊1，只要输⼊⾮0就⾏。希望会帮到以

后的同学(*＾-＾*)

⼀、问题描述

旅⾏商问题(Traveling-SalesmanProblem,TSP)。设有n个互相可直达的城市，某推销商准备从其中的A城出发，周游各城市⼀遍，最后⼜回到A城。要求

为该旅⾏商规划⼀条最短的旅⾏路线。

⼆、⽬的

为了解决旅⾏商问题，⽤了遗传算法，模拟染⾊体的遗传过程，进⾏求解。

为了直观的更有⽐较性的观察到程序的运⾏效果，我这⾥程序⾥给定了10个城市的坐标，并计算出其任意两个的欧⽒距离，10个点的位置排布见图1。程

序的理想最优距离为20.485281，即绕三⾓形⼀圈，⽽且路程起点不固定，因为只要满⾜点围着三⾓形⼀圈即为最短距离，最优解。所以问题转换为，求

图中10个点的不重复点的闭环序列的距离最⼩值。

图1

三、原理

1、内部变量介绍

程序总体围绕了遗传算法的三个主要步骤：选择--复制，交叉，变异。给定了10个种群，即10条染⾊体，每条染⾊体都是除⾸位外不重复的点组成，⾸尾

相同保证路线是闭合的，所以⼀条染⾊体包含11个点。

种群由⼀个结构体group表⽰，内含城市的序列inciy[11]、种群的适应度doublefi、该种群适应度占总群体适应度的⽐例doublep，和为了应⽤赌轮选择

机制的积累概率doublejlleigailv。

程序还包括⼀个始终记录所有种群中的最优解的城市序列数组groupbes[11]，记录最优解的适应度，即最⼤适应度的变量doublegroupbesfi。

种群的最⼤繁衍代数设置为1000，⽤户能够输⼊繁衍代数，但必须在1000以内。10个点的不同排列序列有10！种，即3628800中排列可能，其中各代之

间可能产⽣重复，不同种群间也会出现重复，学⽣觉得1000左右应该能验证程序的性能了，就定为1000。

2、运⾏思想介绍

(a)采⽤整数编的⽅式，标记0到9号城市。

(b)选择--复制：

利⽤赌轮选择机制，分10次从10个种群中挑选出10个染⾊体进⾏复制。

每次随机⽣成⼀个0到1之内的⼩数，因为适应度越⾼的染⾊体的积累概率区间越⼤，所以适应度越⾼的染⾊体被选择的次数会越多，满⾜了优胜劣汰的原

则。

选择--复制完后，要重新计算每个种群的适应度等信息，与已经保存的最优染⾊体进⾏⽐较，如果⽐已经存在的适应度还要⾼就进⾏最优染⾊体的更新。

如果最优染⾊体没有更新，则说明新成的最⼤适应度种群不如以前的好，则在新⽣成的种群中找到适应度最低的，⽤最优染⾊体提换掉。

(c)交叉：

每⼀代的繁衍都让10个种群中相邻的两个种群进⾏染⾊体交叉，交叉率为1，即0号种群和1号种群交叉，2号种群和3号种群交叉，以此类推。交叉段是

由2个随机数决定，采⽤部分映射交叉，直接交换由随机数产⽣的染⾊体⽚段。

交叉完后因为要满⾜点的不重复，所以要进⾏消除重复的操作。原理是⽤⼀个数组保留交叉过来的染⾊体⽚段，删除染⾊体上已经交换的⽚段，在剩下的

点中消除与新交换⽚段中重复的点，然后将原染⾊体剩下的点都向前移集中在头部，再将保存在数组中的新交换过来的染⾊体插⼊到头部之后，在以上过

程中⽤⼀个数组记录已经存在的点。接下来将没有⽤的点顺序插到染⾊体尾部，到此已经⽣成了新的染⾊体。

交叉完后要重新计算每个种群的适应度等信息，与已经保存的最优染⾊体进⾏⽐较，如果⽐已经存在的适应度还要⾼就进⾏最优染⾊体的更新。如果最优

染⾊体没有更新，则说明新成的最⼤适应度种群不如以前的好，则在新⽣成的种群中找到适应度最低的，⽤最优染⾊体提换掉。

(d)变异：

因为变异在⾃然界并不是每次都会发⽣，所有每次要尽⾏变异前都⽣成⼀个0到9内的随机整数，如果⼤于3就进⾏变异，否则不变异，总体变异率为0.6。

因为这个染⾊体和⾃然中的每⼀段都对应⼀个功能的染⾊体不⼀样，染⾊体越是按数的相邻⼤⼩排列，距离会越短，所以变异就起了很⼤作⽤，起到调整

点的顺序的作⽤，所以变异率要⼤⼀点。

如果要变异，则变异3次。每次⽣成2个随机数，决定要在哪个种群变异哪⼀个位置。⽐如挑选了第⼆条染⾊体，变异第3个位置，则将染⾊体的3号位和6

号位互换，即互换位置和为9。

(e)输出：

输出⽤户程序得到的最优解的城市序列、路程距离、