利用遗传算法解决TSP.pdf

  1. 1、本文档共17页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(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. 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. 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)。
查看更多
利用遗传算法解决TSP

2013 利用GA 解决TSP 朱晓东 2010011521 清华大学自动化系01 班 《利用遗传算法解决TSP 》 清华大学自动化系01 班 朱晓东 2010011521 2013.12.23 利用遗传算法解决TSP 朱晓东 (清华大学自动化系01 班) 摘要: 本文介绍了遗传算法 (Genetic Algorithm ,GA )的基本流程、在组合优 化中的特点、关键参数与操作的设计以及具体的实现,并利用遗传算法解决了 10 城市和20 城市的旅行商问题(Traveling Salesman Problem,TSP ),给出了20 城市情况下20 次随机实验的统计结果,典型的某一次目标性能下降曲线,以及 最优结果的图形。 关键词: 遗传算法 旅行商问题 最优结果 近年来,随着人工智能应用领域的不断扩大,传统的基于符号处理机制的人 工智能方法在知识表示、信息处理和解决组合爆炸等方面所遇到的困难越来越明 显,从而使得寻求一种适合于大规模问题并具有自组织、自适应、自学习能力的 算法成为有关学科的一个研究目标。遗传算法是J Holland 与1975 年受生物进化 论的启发而提出的。GA 是基于“适者生存”的一种高度并行、随机和自适应优 化算法,它将问题的求解表示成“染色体”的适者生存过程,通过“染色体”群 (population )的一代代不断进化,包括复制(reproduction )、交叉(crossover ) 和变异(mutation )等操作,最终收敛到“最适应环境”的个体,从而求得问题 的最优解和满意解。GA 是一种通用的优化算法,其编码技术和遗传操作比较简 单,优化不受限制性条件的约束,而其两个最显著特点则是隐含并行性和全局解 空间有哪些信誉好的足球投注网站。目前,随着计算机技术的发展,GA 越来越得到人们的重视,并在机 器学习、模式识别、图像处理、神经网络、优化控制、组合优化、VLSI 设计、 遗传学等领域得到了成功应用。 旅行商问题,也称为货郎担问题,是一个较古老的问题。最早可以追溯到1759 年Euler 提出的骑士旅行问题。1948 年,由美国兰德公司推动,TSP 成为近代组 合优化领域的一个典型难题。应该说,TSP 是一个具有广泛的应用背景和重要理 论价值的组合优化问题,它已被证明属于NP 难题。TSP 可以简单描述为:一位 销售商从n 个城市中的某一个城市出发,不重复地走完其余n-1 个城市并回到原 出发点,在所有可能路径中求出路径长度最短的一条。用数学语言描述如下:设 1 / 16 《利用遗传算法解决TSP 》 清华大学自动化系01 班 朱晓东 2010011521 2013.12.23 有限n 个城市集合C  C , C ,…, C ;设两个城市间的距离为d (C , C ) Z  ,其  1 2 n  i j n1  min d (C ,C d C 中C , C C(1 i, j n) ;求使  ) ( ,C ) 的城市序列  I ( i ) I ( i 1 ) I (n )  i j I ( 1 ) i1  C , C , ,  I ( 1 ) I ( 2 )… C  ,其中I (1), I

文档评论(0)

dajuhyy + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档