遺傳算法及其在TSP問題中的應(yīng)用研究.pdf

1、遺傳算法(GeneticAlgorithms，簡稱GA)是借鑒生物選擇和進(jìn)化機(jī)制發(fā)展起來的一種高度并行、隨機(jī)和自適應(yīng)搜索算法。特別適合于處理傳統(tǒng)搜索算法解決不好的復(fù)雜和非線形問題。它的兩個最大的顯著特點是隱含并行性和全局搜索。對遺傳算法及其應(yīng)用的研究是目前智能計算的研究熱點之一。 TSP問題(TravelingSalesmanProblem)是已知有n個城市，現(xiàn)有一推銷員必須遍訪這n個城市，且每個城市只能訪問一次，最后又必須返回

2、出發(fā)城市。要安排其訪問次序，使其旅行路線的總長度最短。TSP是經(jīng)典的NP-hatd組合優(yōu)化問題之一，也是一個測試算法優(yōu)劣性的標(biāo)準(zhǔn)問題，且現(xiàn)實中有很多應(yīng)用問題都可歸結(jié)或轉(zhuǎn)化為TSP問題。故對此問題的求解具有理論與實用兩方面的意義。傳統(tǒng)的求解方法在面對較大規(guī)模的問題時，很不容易得到最優(yōu)解。近年來，研究者們陸續(xù)采用了一些新的算法，如遺傳算法、模擬退火、神經(jīng)網(wǎng)絡(luò)和螞蟻算法等，取得了較好的效果。 本文的主要工作和創(chuàng)新點： 1、在設(shè)

3、計交叉算子和變異算子的過程中，利用了最短路徑的數(shù)學(xué)性質(zhì)和統(tǒng)計學(xué)規(guī)律，設(shè)計出改進(jìn)的啟發(fā)式順序交叉算子和啟發(fā)式變異算子，并與既有的OX、CX、ERC等算子進(jìn)行了比較和分析。對基因規(guī)模、變異概率和交叉概率隨著代數(shù)的增加而變化的動態(tài)性質(zhì)進(jìn)行了實驗。并對遺傳算子、每代最優(yōu)解的進(jìn)入和退出演化過程的性能進(jìn)行了分析。 2、在程序?qū)崿F(xiàn)時，大量利用了STL和Boost的既有數(shù)據(jù)結(jié)構(gòu)和算法，并利用了設(shè)計模式的知識，使程序的實現(xiàn)更加靈活高效。