遗传算法解决TSP问题的matlab程序精品毕业设计完整版.docx
《遗传算法解决TSP问题的matlab程序精品毕业设计完整版.docx》由会员分享,可在线阅读,更多相关《遗传算法解决TSP问题的matlab程序精品毕业设计完整版.docx(27页珍藏版)》请在冰豆网上搜索。
遗传算法解决TSP问题的matlab程序精品毕业设计完整版
1.遗传算法解决TSP问题(附matlab源程序)
2.知n个城市之间的相互距离,现有一个推销员必须遍访这n个城市,并且每个城市
3.只能访问一次,最后又必须返回出发城市。
如何安排他对这些城市的访问次序,可使其
4.旅行路线的总长度最短?
5.用图论的术语来说,假设有一个图g=(v,e),其中v是顶点集,e是边集,设d=(dij)
6.是由顶点i和顶点j之间的距离所组成的距离矩阵,旅行商问题就是求出一条通过所有顶
7.点且每个顶点只通过一次的具有最短距离的回路。
8.这个问题可分为对称旅行商问题(dij=dji,,任意i,j=1,2,3,…,n)和非对称旅行商
9.问题(dij≠dji,,任意i,j=1,2,3,…,n)。
10.若对于城市v={v1,v2,v3,…,vn}的一个访问顺序为t=(t1,t2,t3,…,ti,…,tn),其中
11.ti∈v(i=1,2,3,…,n),且记tn+1=t1,则旅行商问题的数学模型为:
12.minl=σd(t(i),t(i+1))(i=1,…,n)
13.旅行商问题是一个典型的组合优化问题,并且是一个np难问题,其可能的路径数目
14.与城市数目n是成指数型增长的,所以一般很难精确地求出其最优解,本文采用遗传算法
15.求其近似解。
16.遗传算法:
17.初始化过程:
用v1,v2,v3,…,vn代表所选n个城市。
定义整数pop-size作为染色体的个数
18.,并且随机产生pop-size个初始染色体,每个染色体为1到18的整数组成的随机序列。
19.适应度f的计算:
对种群中的每个染色体vi,计算其适应度,f=σd(t(i),t(i+1)).
20.评价函数eval(vi):
用来对种群中的每个染色体vi设定一个概率,以使该染色体被选中
21.的可能性与其种群中其它染色体的适应性成比例,既通过轮盘赌,适应性强的染色体被
22.选择产生后台的机会要大,设alpha∈(0,1),本文定义基于序的评价函数为eval(vi)=al
23.pha*(1-alpha).^(i-1)。
[随机规划与模糊规划]
24.选择过程:
选择过程是以旋转赌轮pop-size次为基础,每次旋转都为新的种群选择一个
25.染色体。
赌轮是按每个染色体的适应度进行选择染色体的。
26.step1、对每个染色体vi,计算累计概率qi,q0=0;qi=σeval(vj)j=1,…,i;i=1,
27.…pop-size.
28.step2、从区间(0,pop-size)中产生一个随机数r;
29.step3、若qi-1step4、重复step2和step3共pop-size次,这样可以得到pop-size个复制的染色体。
30.grefenstette编码:
由于常规的交叉运算和变异运算会使种群中产生一些无实际意义的
31.染色体,本文采用grefenstette编码《遗传算法原理及应用》可以避免这种情况的出现
32.。
所谓的grefenstette编码就是用所选队员在未选(不含淘汰)队员中的位置,如:
33.815216107431114612951813171
34.对应:
35.81421386325734324221。
36.交叉过程:
本文采用常规单点交叉。
为确定交叉操作的父代,从到pop-size重复以下过
37.程:
从[0,1]中产生一个随机数r,如果r将所选的父代两两组队,随机产生一个位置进行交叉,如:
38.81421386325734324221
39.6123568563185633211
40.交叉后为:
41.81421386325185633211
42.6123568563734324221
43.变异过程:
本文采用均匀多点变异。
类似交叉操作中选择父代的过程,在r选择多个染色体vi作为父代。
对每一个选择的父代,随机选择多个位置,使其在每位置
44.按均匀变异(该变异点xk的取值范围为[ukmin,ukmax],产生一个[0,1]中随机数r,该点
45.变异为x'k=ukmin+r(ukmax-ukmin))操作。
如:
46.81421386325734324221
47.变异后:
48.814213106322734524121
49.反grefenstette编码:
交叉和变异都是在grefenstette编码之后进行的,为了循环操作
50.和返回最终结果,必须逆grefenstette编码过程,将编码恢复到自然编码。
51.循环操作:
判断是否满足设定的带数xzome,否,则跳入适应度f的计算;是,结束遗传
52.操作,跳出。
53.
54.
55.
56.matlab代码
57.
58.
59.
60.distTSP.txt
61.061848
62.701737
63.44045
64.201924022
65.881660
66.%GATSP.m
67.functiongatsp1()
68.clear;
69.loaddistTSP.txt;
70.distance=distTSP;
71.N=5;
72.ngen=100;
73.ngpool=10;
74.%ngen=input('#ofgenerationstoevolve=');
75.%ngpool=input('#ofchromosomsinthegenepool=');%sizeofgenepool
76.gpool=zeros(ngpool,N+1);%genepool
77.fori=1:
ngpool,%intializegenepool
78.gpool(i,:
)=[1randomize([2:
N]')'1];
79.forj=1:
i-1
80.whilegpool(i,:
)==gpool(j,:
)
81.gpool(i,:
)=[1randomize([2:
N]')'1];
82.end
83.end
84.end
85.
86.costmin=100000;
87.tourmin=zeros(1,N);
88.cost=zeros(1,ngpool);
89.increase=1;resultincrease=1;
90.fori=1:
ngpool,
91.cost(i)=sum(diag(distance(gpool(i,:
)',rshift(gpool(i,:
))')));
92.end
93.%recordcurrentbestsolution
94.[costmin,idx]=min(cost);
95.tourmin=gpool(idx,:
);
96.disp([num2str(increase)'minmumtriplength='num2str(costmin)])
97.
98.costminold2=200000;costminold1=150000;resultcost=100000;
99.tourminold2=zeros(1,N);
100.tourminold1=zeros(1,N);
101.resulttour=zeros(1,N);
102.while(abs(costminold2-costminold1);100)&(abs(costminold1-costmin);100)&(increase;500)
103.
104.costminold2=costminold1;tourminold2=tourminold1;
105.costminold1=costmin;tourminold1=tourmin;
106.increase=increase+1;
107.ifresultcost>costmin
108.resultcost=costmin;
109.resulttour=tourmin;
110.resultincrease=increase-1;
111.end
112.fori=1:
ngpool,
113.cost(i)=sum(diag(distance(gpool(i,:
)',rshift(gpool(i,:
))')));
114.end
115.%recordcurrentbestsolution
116.[costmin,idx]=min(cost);
117.tourmin=gpool(idx,:
);
118.%==============
119.%copygensinthgpoolaccordingtotheprobilityratio
120.%>1.1copytwice
121.%>=0.9copyonce
122.%;0.9remove
123.[csort,ridx]=sort(cost);
124.%sortfromsmalltobig.
125.csum=sum(csort);
126.caverage=csum/ngpool;
127.cprobilities=caverage./csort;
128.copynumbers=0;removenumbers=0;
129.fori=1:
ngpool,
130.ifcprobilities(i)>1.1
131.copynumbers=copynumbers+1;
132.end
133.ifcprobilities(i)<0.9
134.removenumbers=removenumbers+1;
135.end
136.end
137.copygpool=min(copynumbers,removenumbers);
138.fori=1:
copygpool
139.forj=ngpool:
-1:
2*i+2gpool(j,:
)=gpool(j-1,:
);
140.end
141.gpool(2*i+1,:
)=gpool(i,:
);
142.end
143.ifcopygpool==0
144.gpool(ngpool,:
)=gpool(1,:
);
145.end
146.%=========
147.%whengenarationismorethan50,orthepatternsinacouplearetooclose,domutation
148.fori=1:
ngpool/2
149.%
150.sameidx=[gpool(2*i-1,:
)==gpool(2*i,:
)];
151.diffidx=find(sameidx==0);
152.iflengt