遗传算法与蚁群算法在旅行商问题中的应用.doc

1、申明：本文系本人本科毕业论文，本人对该文章享有著作权，如需引用，请注明来源。文中大量参考了相关文献，后有列表，如在无意中侵犯你的著作权请告知。本文可供，数学类，计算机类本科毕业参考。如需本中的源代码（matlab语言）请联系我，另有答辩用ppt.邮箱：570983569太原理工大学毕业设计（论文）任务书第1页毕业设计（论文）题目：遗传算法与蚁群算法在旅行商问题中的应用毕业设计（论文）要求及原始数据（资料）：了解两种算法的基本思想，基本原理，基本流程。对旅行商（）问题有初步认识，能用其中任一种方法求解实际问题。例如：求解出中国31个省会城市的最短周游问题。本文用到的初始数据：附中国31省会城市坐

2、标为：1304 23123639 13154177 22443712 13993488 15353326 15563238 12294196 10044312 7904386 5703007 19702562 17562788 14912381 16761332 6953715 16783918 21794061 23703780 22123676 25784029 28384263 29313429 19083507 23673394 26433439 32012935 32403140 35502545 23572778 28262370 2975其它相关参数根据实际情况灵活设置。第2页毕

3、业设计（论文）主要内容：1对相关概念做简单介绍。2对两种算法的基本思想的起源背景，定义，特点，现状进展做简单阐述。遗传算法基本原理及求解问题的基本流程。蚁群算法求问题基本原理和基本流程。根据实际模型（中国31个省会城市的最短周游问题）编写出相应程序并求出其结果。两中算法对比分析。学生应交出的设计文件（论文）：结束时应交出论文一篇。设计的求解问题的源代码。第3页主要参考文献（资料）：1 蔡自兴，徐光枯.人工智能及其应用.北京:清华大学出版社，2006.2 敖友云，迟洪钦.基于遗传算法求解TSP问题的一种算法J.计算机与数字工程，2006，34(4):52-55.3 唐立新，旅行商问题(TSP)的

4、改进遗传算法J.东北大学学报(自然科学版)，1999，20(l):40并2.4 尚智强，郑耀林一种改进遗传算法在旅行商(TSP)问题中的应用J.福建电脑，2002，(8):42-43.5 温广辉，王明旭，郭用琼一种求解TSP问题的新型遗传编码方案J.科学技术与工程，2006，6(2):206-208.6 Marco Dorigo,Thomas Stutzle.蚁群优化. 北京：清华大学出版社, 2003. 27347 李士勇.蚁群优化算法及其应用.哈尔滨:哈尔滨工业大学出版社，2005.1581648 段海滨.蚁群算法原理及其应用.北京：科学出版社,2004.1351399 叶志伟，郑肇葆。蚁

5、群算法中参数 ，设置的研究 以TSP问题为例 （武汉大学遥感信息工程学院 湖北 武汉 430079）10 Jiang Rui, Szeto K Y, Luo Yu-pin, Hu Dong-cheng. A PathSplitting Scheme Based Distributed Parallel Genetic Algo-rithm for Large Traveling Salesman Problems C/ Proc.Conference on Intelligent Information Processing. 2000:478-485.11 Fogel D B. Applyi

6、ng Evolutionary Programming to Selec-ted Traveling Salesman Problems J. Cybemetics and Sys-tem, 2001, 24(1):27-36.12 lgium. Ant Colony System: A Cooperative Learning Approach to the Travelling Salesman Problem. Technical Report IRIDIA-1996-513 arco Dorigo, G. Di Caro, and L. M. Gambardella. Ant algo

7、rithms for discrete optimization. Artificial Life, 5:137-172,1999专业班级 信息与计算科学 学生 樊茂森 要求设计（论文）工作起止日期 . 指导教师签字 日期 教研室主任审查签字 日期 系主任批准签字 日期 第4页遗传算法与蚁群算法在旅行商问题中的应用 学 院: 理学院 系别: 数学系 专业班级：信计0502班 姓名：樊茂森 指导老师：刘晓峰摘要旅行商问题是研究最为广泛的组合优化问题，在现实生活中，也有着广泛的应用。由于已经证明，旅行商问题是NP完全问题，因此，不太可能发现能保证在多项式计算时间内获得问题最优解的算法。遗传算法是一

8、种有效的解决最优化问题的方法。遗传算法是求解NP完全问题的一种常用方法，它在解决排列组合问题方面占有很重要的地位。本文针对旅行商问题，分别对个体的基因编码、适应值，以及选择、交叉、变异算子进行了设计，给出了一种解决旅行商问题的遗传算法。蚂蚁算法就是近年来出现的，搜索效果良好的一种启发式搜索方法。蚂蚁算法的主要思想，是模拟蚂蚁寻找食物的过程。在蚂蚁在搜索的过程中，会不断分泌外激素。蚂蚁之间通过外激素交流信息，可以很快找到从蚁穴到食物之间的最短路线。蚂蚁算法的核心，就是让蚂蚁以外激素为媒介，互相交流信息，不断搜索更好的旅行路线，从而取得旅行商问题的令人满意的答案。关键词：仿生算法，蚁群算法，遗传算

9、法，旅行商问题。Genetic Algorithm and Ant Colony Algorithm for TSPAbstractTraveling salesman problem is to study a wide range of most combinatorial optimization problems, in real life, also have a wide range of applications. As a result has been proved that the traveling salesman problem is NP-complete prob

10、lem, therefore, unlikely to be found to ensure that the calculation in polynomial time to obtain the optimal solution algorithm for the problem. Genetic algorithm is an effective solution to the optimization problem. Genetic algorithms to solve NP-complete problem is a commonly used method, which in

11、 addressing the problem of permutation and combination plays an important role.This paper traveling salesman problem using a genetic algorithm to solve, by using a selection, crossover and mutation, and other operator to operator, and finally test results.Ant System (AS) is a new, promising heuristi

12、cs. AS came from studying of ants in reality. When ants search food, they deposit pheromone although their ways. By communicating through pheromone and reinforcing searching, ants can always find best way from home to food. Same as ants in reality, core of AS is the pheromone. Artificial ants commun

13、icate with each other, search new ways based on historical results, and give satisfying solutions to TSP finally. Key words: Bionic algorithm, ant colony algorithm, genetic algorithm, traveling salesman problem.目录摘要IAbstractII1 求解组合优化问题的仿生进化算法11.1NP完全问题11.2旅行商问题11.2.1算法复杂性理论简介11.2.2旅行商问题介绍21.2.3解决旅行商问题的意义21.3.遗传算法21.3.1遗传算法生物学背景21.3.2搜索空间（Search Space）31.3.3遗传算法定义31.3.4遗传算法特点41.3.5遗传算法的应用进展41.4蚁群算法61.4.1蚁群算法简介61.4.2蚁群算法的特点71.4.3蚁群算法的应用进展72 遗传算法解决TSP问题92.1 旅行商问题描述92.2构造城市位置矩阵、距离矩阵92.3编码与初始群体生成92.4计算适应度102.5选择操作102.6交叉和变异操作112.7遗传算法中的一些参数分析122.8算法流程133 蚁群算法及TSP问题153.1蚁群算法的由