Tsp遗传算法代码非常好Word文档格式.doc

Tsp遗传算法代码非常好Word文档格式.doc

《Tsp遗传算法代码非常好Word文档格式.doc》由会员分享，可在线阅读，更多相关《Tsp遗传算法代码非常好Word文档格式.doc（10页珍藏版）》请在冰豆网上搜索。

兰州"

银川"

西宁"

乌鲁木齐"

合肥"

南京"

杭州"

长沙"

南昌"

武汉"

成都"

贵州"

福建"

台北"

广州"

海口"

南宁"

昆明"

拉萨"

香港"

澳门"

};

//privateStringcityEnd[]=newString[34];

privateintcityNum=cityName.length;

//城市个数

privateintpopSize=50;

//种群数量

privateintmaxgens=20000;

//迭代次数

privatedoublepxover=0.8;

//交叉概率

privatedoublepmultation=0.05;

//变异概率

privatelong[][]distance=newlong[cityNum][cityNum];

privateintrange=2000;

//用于判断何时停止的数组区间

privateclassgenotype{

intcity[]=newint[cityNum];

//单个基因的城市序列

longfitness;

//该基因的适应度

doubleselectP;

//选择概率

doubleexceptp;

//期望概率

intisSelected;

//是否被选择

}

privategenotype[]citys=newgenotype[popSize];

/**

*构造函数，初始化种群

*/

publicTsp（）{

for（inti=0;

i<

popSize;

i++）{

citys[i]=newgenotype（）;

int[]num=newint[cityNum];

for（intj=0;

j<

cityNum;

j++）

num[j]=j;

inttemp=cityNum;

j++）{

intr=（int）（Math.random（）*temp）;

citys[i].city[j]=num[r];

num[r]=num[temp-1];

temp--;

}

citys[i].fitness=0;

citys[i].selectP=0;

citys[i].exceptp=0;

citys[i].isSelected=0;

}

initDistance（）;

*计算每个种群每个基因个体的适应度，选择概率，期望概率，和是否被选择。

publicvoidCalAll（）{

for（inti=0;

i<

i++）{

CalFitness（）;

CalSelectP（）;

CalExceptP（）;

CalIsSelected（）;

*填充，将多选的填充到未选的个体当中

publicvoidpad（）{

intbest=0;

intbad=0;

while（true）{

while（citys[best].isSelected<

=1&

&

best<

popSize-1）

best++;

while（citys[bad].isSelected!

=0&

bad<

bad++;

for（inti=0;

i++）

citys[bad].city[i]=citys[best].city[i];

citys[best].isSelected--;

citys[bad].isSelected++;

if（best==popSize||bad==popSize）

break;

*交叉主体函数

publicvoidcrossover（）{

intx;

inty;

intpop=（int）（popSize*pxover/2）;

while（pop>

0）{

x=（int）（Math.random（）*popSize）;

y=（int）（Math.random（）*popSize）;

executeCrossover（x,y）;

//xy两个体执行交叉

pop--;

*执行交叉函数

*@param个体x

*@param个体y

*对个体x和个体y执行佳点集的交叉，从而产生下一代城市序列

privatevoidexecuteCrossover（intx,inty）{

intdimension=0;

for（inti=0;

i<

if（citys[x].city[i]!

=citys[y].city[i]）{

dimension++;

}

intdiffItem=0;

double[]diff=newdouble[dimension];

diff[diffItem]=citys[x].city[i];

citys[x].city[i]=-1;

citys[y].city[i]=-1;

diffItem++;

Arrays.sort（diff）;

double[]temp=newdouble[dimension];

temp=gp（x,dimension）;

for（intk=0;

k<

dimension;

k++）

for（intj=0;

j<

if（temp[j]==k）{

doubleitem=temp[k];

temp[k]=temp[j];

temp[j]=item;

item=diff[k];

diff[k]=diff[j];

diff[j]=item;

}

inttempDimension=dimension;

inttempi=0;

while（tempDimension>

0）{

if（citys[x].city[tempi]==-1）{

citys[x].city[tempi]=（int）diff[dimension-tempDimension];

tempDimension--;

tempi++;

temp=gp（y,dimension）;