TSP问题求解实验报告.docx

1、TSP问题求解实验报告TS问题求解（一）实验目的熟悉和掌握遗传算法的原理,流程和编码策略,并利用遗传求解函数优化问题，理解求解TS问题的流程并测试主要参数对结果的影响。（二）实验原理巡回旅行商问题给定一组n个城市和俩俩之间的直达距离,寻找一条闭合的旅程,使得每个城市刚好经过一次且总的旅行距离最短。TSP问题也称为货郎担问题,是一个古老的问题。最早可以追溯到159年ler提出的骑士旅行的问题。194年，由美国兰德公司推动，TP成为近代组合优化领域的典型难题。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。近年来，有很多解决该问题的较为有效的算法不断被推出，例如Hopfield神经网络

2、方法,模拟退火方法以及遗传算法方法等。TSP搜索空间随着城市数n的增加而增大,所有的旅程路线组合数为(n-）!/。在如此庞大的搜索空间中寻求最优解,对于常规方法和现有的计算工具而言,存在着诸多计算困难。借助遗传算法的搜索能力解决TSP问题，是很自然的想法。基本遗传算法可定义为一个8元组：(SGA)=（C，,0,，) 个体的编码方法，GA使用固定长度二进制符号串编码方法;E个体的适应度评价函数;P0初始群体；M 群体大小,一般取20100;选择算子，SGA使用比例算子；交叉算子，SGA使用单点交叉算子;变异算子，SGA使用基本位变异算子;算法终止条件，一般终止进化代数为100500；问题的表示

3、对于一个实际的待优化问题,首先需要将其表示为适合于遗传算法操作的形式。用遗传算法解决P,一个旅程很自然的表示为n个城市的排列,但基于二进制编码的交叉和变异操作不能适用。路径表示是表示旅程对应的基因编码的最自然，最简单的表示方法。它在编码，解码,存储过程中相对容易理解和实现。例如:旅程(-1-7-8-9-4-2-3）可以直接表示为（5 1 8 9 4 2 3） (三)实验内容N=8。随即生成N个城市间的连接矩阵。指定起始城市。给出每一代的最优路线和总路线长度。以代数T作为结束条件,T=。（四）实验代码include sdfh#includstdio.h#clud#inldstdli.h#ilde

4、#ncluetie.#definecies 1/城市的个数defneMAXX0/迭代次数#dfie c 0.8 /交配概率#i pm 005 /变异概率#de u 10/种群的大小intbestolution;/最优染色体in dinctiesits;/城市之间的距离rt gop /染色体的结构 intcityites;城市的顺序nt aat;/适应度ouble ;在种群中的幸存概率gounum, grouptmpnu;/随机产生cities个城市之间的相互距离vd ii() int i, ;mmst(dstance，0， if(distance); ran(（usigned)time（ULL

5、)）; fo （ = 0;icities;i+) or （j = +1; ities;j+） ianceij= rn() %1; distanceji =diti; /打印距离矩阵print(城市的距离矩阵如下n)； or (i 0;iiie; +) fo ( 0; jcities; j)pr（4d,stnceij);pintf(n); /随机产生初试群void rupproduce（) in , j, , k, fg；for (i = 0; inu；i) /初始化 fr (j = 0; iti; j+) groi.city -1; sand（(usned)tie（ULL）;f（i = ； i

6、um; i+） /产生10个不相同的数字 fo(j 0; jcitis;) t = rand() % citis; fag = 1； for (k = 0；kj; +) if(goupi.ctyk= t) lag= 0； brek； if (lag) goui.ctyj = t; +； /打印种群基因 print(初始的种群n); for(i 0; ium; i+) fo （j = ; jcitie; +) prinf(%,roupi.cityj); pntf(n);/评价函数，找出最优染色体d pnji（)inti, j;nn1， n2； it smditace, iggtsm= 0； e

7、biggesp = 0； for (i= 0； inum;i+) sumdtnce= 0; for ( =; jities; +） n1 = oupi.ityj -1;n2 =goupi.ityj； uditance iancen1n2； roupidapmdsance; /每条染色体的路径总和biggessum+= sudtance; /种群的总路径 /计算染色体的幸存能力，路劲越短生存概率越大 for ( = 0; im; i+) groupi. = - （duble)groupi.adat / (double)igtum； biggestp + grou.; for (i = 0； um

8、； i+) groui.p = grip/ bigestp； /在种群中的幸存概率,总和为 /求最佳路劲 betsolution 0; r (i 0; nu; +) if (groi.proupestsolution.) bestsluio ； /打印适应度 fr (i= 0; inum; i+) ritf（染色体%d的路径之和与生存概率分别为%d %4fn, , goupiadapt, gropip); int(当前种群的最优染色体是%d号染色体n, soution）;/选择vod xuanze() int , j, em;ole gradienum;/梯度概率oube xuanzeu；/选

9、择染色体的随机概率i xuanm;/选择了的染色体 /初始化梯度概率 for (i 0; in； +） aeti = 0.0;uanz = 00；gdnt0 grou0.p;for(= 1; inum; i+) gadii = gadieni 1 +groi.p； sand(unied)time(NUL);/随机产生染色体的存活概率 or (i0; inum; i+) xunzei =（and()% 100）; xunzei /= 00;/选择能生存的染色体f (i = ； ium;i+) for （j 0;jum; j+) if（xuazeigrdientj) xuani = j; /第个位

10、置存放第j个染色体 ek; /拷贝种群r(i =; inu; i+） grouptmi.adap =goupdapt；grouptip= group.; fo（j= 0;jcties;j+) goutepi.cityj = oup.ctyj;/数据更新 f (i= ; num; +) temp xuani; grui.aap= groupeptempaat; groupip=grupmempp; or(j ; jcitis;j+） roupi.cityj = rouptmpmp.ciyj；/用于测试printf(-n);f(i=0;ium；i+） for(0;jitis;j+)prinf(%4

11、,gropi.city）； printf();pitf（染色体%d的路径之和与生存概率分别为%4d .4n,grupi.dapt,op.p)；/交配,对每个染色体产生交配概率,满足交配率的染色体进行交配vod jaopei（) t i， j, ,kk；ntt;/参与交配的染色体的个数it point1,poin，tmp；交配断点 int ponnum; int tep1, tem2; it ap1itie, mapities; double jienum；/染色体的交配概率 nt jipifagu;/染色体的可交配情况 fo (i= 0； ium; +)/初始化 jiaopeflg = 0; /随机产生交配概率 rnd(unsiged)time（