粒子群算法解决TSP问题..doc

河南理工大学 计算机科学与技术学院 课程设计报告 2014— 2015学年第一学期 课程名称 Java语言程序设计 设计题目 利用粒子群算法解决TSP问题 姓 名 朱超琦 学 号 3613090102 专业班级 计科合13 指导教师 刘 志 中 2015年 1 月 2 日 目录 一．课程设计内容 2 (一)课程设计题目 2 (二)课程设计目的 2 (三)课程设计要求 2 二．算法相关知识 2 (一) 粒子群算法简介 2 (二) 人工生命简介 3 (三) 粒子群算法的流程图及伪代码： 4 三.算法的JAVA实现 5 四. 课程设计的总结体会 14 五．参考文献 14  一．课程设计内容 (一)课程设计题目 应用粒子群算法(Particle Swarm Optimization) 求解 旅行商问题（TSP）； 旅行商问题： 即TSP问题（Travelling Salesman Problem）又译为旅行推销员问题、货郎担问题，是数学领域中著名问题之一。假设有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的路径路程为所有路径之中的最小值 (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.掌握粒子群算法的基本原理 ,了解在JAVA 环境中实现粒子群算法的过程。 二．算法相关知识 (一) 粒子群算法简介 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：一群鸟在随机有哪些信誉好的足球投注网站食物。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有哪些信誉好的足球投注网站空间中的一只鸟。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有哪些信誉好的足球投注网站。 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。 粒子公式在找到这两个最优值时，粒子根据如下的公式来更新自己的速度和新的位置： present[i] = present[i] + v[i]? 其中v[i]代表第i个粒子的速度，w代表惯性权值,c1和c2表示学习参数，rand()表示在0-1之间的随机数,pbest[i]代表第i个粒子有哪些信誉好的足球投注网站到的最优值,gbest代表整个集群有哪些信誉好的足球投注网站到的最优值,present[i]代表第i个粒子的当前位置。 (二) 人工生命简介 人工生命是来研究具有某些生命基本特征的人工系统。 两方面内容 1. 研究如何利用计算技术研究生物现象 2. 研究如何利用生物技术研究计算问题 我们现在关注的是第二部分的内容。 现在已经有很多源于生物现象的计算技巧. 例如,人工神经网络是简化的大脑模型。遗传算法是模拟基因进化过程的. 社会系统。 现在我们讨论另一种生物系统- 社会系统。更确切的是, 在由简单个体组成的群落与环境以及个体之间的互动行为。 也可称做群智能(swarm intelligence). 这些模拟系统利用局部信息从而可能产生不可预测的群体行为 例如floys 和birds 他们都用来模拟鱼群和鸟群的运动规律, 主要用于计算机视觉和计算机辅助设计。 在计算智能(computational intelligence)领域有两种基于群智能的算法.蚁群算法(ant colony optimization)和PSO粒子群算法(particle swarm optimization). 前者是对蚂蚁群落食物采集过程的模拟。已经成功运用在很多离散优化问题上。粒子群优化算法(PSO) 也是起源对简单社会