TSP问题的遗传算法实验报告

TSP问题的遗传算法实验报告
一 实验题目
TSP问题的遗传算法实现
二 实验目的
1 熟悉和掌握遗传算法的基本概念和基本思想；
2 加深对遗传算法的理解，理解和掌握遗传算法的各个操作算子；
3 理解和掌握利用遗传算法进行问题求解的基本技能。
三 实验要求
1 以10/30个结点的TSP问题为例,用遗传算法加以求解；
2 掌握遗传算法的基本原理、各个遗传操作和算法步骤；
3 能求出问题最优解，若得不出最优解，请分析原因；
4 要求界面显示每次迭代求出的局部最优解和最终求出的全局最优解。
四 数据结构
请说明染色体个体和群体的定义方法。
typedef struct{
int colony[POPSIZE][CITY_NUM+1];//城市种群,默认出发城市编号为0，则城市编
号的最后一个城市还应该为0 每CITY_NUM个城市的排列组合为一个染色体
double fitness[POPSIZE];// 路径适应值
double Distance[POPSIZE];//路径实际长度
int BestRooting[CITY_NUM+1];//最优城市路径序列
double BestFitness;//最优路径适应值
double BestValue;//最优路径长度
}TSP,*PTSP;
五 实验算法
1 说明算法中对染色体的编码方法，适应度函数定义方法；
染色体的编码方法：0～9一个排列组合为一条染色体。
适应度函数的定义方法：取路径长度的倒数。
void CalFitness(PTSP city,int m)
{
int i,j,t=0;
int start,end;
for(i=0;i {//求适应值
city->Distance[i]=0;
for(j=1;j<=CITY_NUM;j++)
{
start=city->colony[i][j-1];end=city->colony[i][j];
city->Distance[i]=city->Distance[i]+CityDistance[start][end];
}
city->fitness[i]=N/(city->Distance[i]);
}
｝
2 采用的选择、交叉、变异操作算子的具体操作；
void Select(PTSP city)
{//选择算子
int i,j;
double sum=0,r,t;
double p[POPSIZE],q[POPSIZE+1];
int copey[POPSIZE][CITY_NUM+1];
q[0] = 0;
for (i=0;isum+=city->fitness[i];
for (i=0;i{
p[i] = city->fitness[i]/sum;
q[i+1] = q[i]+p[i];
}
for (i=0;i{
t = rand()%(10000);
r = t/10000;
for (j=0;jif (r<=q[j+1])
{
*copey[i] = *city->colony[j];
break;
}
}
for (i=0;i*city->colony[i] = *copey[i];
}

void AOX(PTSP city,int n,int m)//改进启发式算法
{
int A[CITY_NUM-1],B[CITY_NUM-1];
int i,j;
int k=1+CROSS_NUM,t=1+CROSS_NUM;
for (i=0;i{
A[i] = city->colony[n][i+1];
B[i] = city->colony[m][i+1];
}
for (i=3;i{
city->colony[n][i-2] = B[i];
city->colony[m][i-2] = A[i];
}
for (i=0;i{
for (j=0;jif (A[i] == B[j+3])
break;
if (j == CROSS_NUM)
city->colony[n][k++] = A[i];
for (j=0;jif (B[i] == A[j+3])
break;
if (j == CROSS_NUM)
city->colony[m][t++] = B[i];
}
}

int check1(int r[],int n)//判重
{
int i;
for (i=0;iif (r[i] == r[n])
{
return true;
}
return false;
}
void Cross(PTSP city,double pc)
{//交叉概率是p
int i;
int r[20];
for (i=0; i{
r[i] = rand()%(POPSIZE);
while (check1(r,i))
r[i] = rand()%(POPSIZE);
}
for (i=0;iAOX(city,r[i],r[i+1]);
}

void XCH(PTSP city,int n)//对换变异
{
int r,t;
int c;
r = rand()%(CITY_NUM-1)+1;
t = rand()%(CITY_NUM-1)+1;
while (r==t)
t = rand()%(CITY_NUM-1)+1;
c = city->colony[n][r];
city->colony[n][r] = city->colony[n][t];
city->colony[n][t] = c;
}

void Mutation(PTSP city,double pm)
{//变异概率是pm
int i;
int r[20];
for (i=0; i{
r[i] = rand()%(POPSIZE);
while (check1(r,i))
r[i] = rand()%(POPSIZE);
XCH(city,r[i]);
}
}

3 实验中采用的算法参数的最佳选择值是多少。
由于我是随机抽取参加交叉的染色体，没有选择性的抽取那些适应度大的染色体，故交
叉率pc很难确定最佳最佳值。我的取值是：
POPSIZE = 20 PCROSS = 0.6 PMUTATION = 0.05
六 实验结果
1 要求有实验运行结果截图，以及必要的说明；

需要输入进化次数。