1. TSP问题概述
TSP问题即旅行商问题，是数学领域的著名问题之一。假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要使求得的路径路程为所有路径之中的最小值。
2. 基于遗传算法的TSP问题求解
(1）基因编码
针对TSP问题，编码规则通常采用实数（n进制）编码，即每个染色体仅从1到n的整数里面取一个值，每个个体的长度为n，n为城市总数。即用一串基因编码表示遍历的城市顺序，如：（2 3 4 5 1 7 9 8 6），表示九个城市中，先经过城市2，再经过城市3，以此类推。
（2）交叉算子设计
采用部分匹配交叉（PMX）法：先随机产生两个交叉点，定义这两点间的区域为匹配区域，并交换两个父代的匹配区域。
父代A：872|130|9546
父代B：983|567|1420
TEMP A：872|567|9546
TEMP B：983|130|1420
对于TEMP A、TEMP B中匹配区域以外出现的数码重复，要依据匹配区域内的位置逐一进行替换。匹配关系：1<------>5 3<----->6 7<---->0
子代A：802|567|9143
子代B：986|130|5427
（3）变异算子设计
对于TSP问题，一般采用倒位变异法，即首先在父体中随机选择两截断点，然后将该两点所夹的子串中的城市进行反序。
例如;
设原个体：（1 2 3 4 5 6 7 8 9）
随机选择两点：（1 2|3 4 5 6| 7 8 9）
倒位后的个体：（1 2 |6 5 4 3|7 8 9）
（4）适应度函数
TSP问题的目标是路径总长度为最短，可以用常数L除以某个体的路径总长度作为该个体的是适应度函数。
3 . 算法步骤
Step1:参数设置及种群初始化；
Step2;适应度评价；
Step3：轮盘赌选择；
Step4：部分匹配交叉；
Step5：倒位变异；
Step6：适应度评价；
Step7：终止条件判断，若未达到终止条件，则转到step3；
Step8：输出结果。
4.实现代码
%功能：基于遗传算法的TSP问题求解
function GA_for_TSP
clc;clear all;close all;
%初始化数据
city_num=30;
[city_distance,city_coordinate]=tsp_info(city_num);%距离矩阵和城市坐标
pop=100;ger=800;pc=0.8;pm=0.2;history_best=inf;
for i=1:pop
individual(i,:)=randperm(city_num);%产生1~30之间的随机排列数
end
[fitness,f]=evaluate_fitness(individual,city_distance);
it=1;
while it<=ger
disp(it)
new_individual=select(fitness,individual);%轮盘赌
new_individual=cross(new_individual,pc);
new_individual=mutation(new_individual,pm);
[fitness,f]=evaluate_fitness(new_individual,city_distance);
%取出最佳适应度的个体
[best_fitness,best_index]=max(fitness);
[worst_fitness,worst_index]=min(fitness);
best_f=f(best_index);
best_individual=new_individual(best_index,:);
new_individual(worst_index,:)=best_individual;
plot_dsp(city_coordinate,best_individual,best_f,it);
individual=new_individual;
if best_f<history_best
history_best=best_f;
history_best_individual=best_individual;
best_individual_last(it,:)=best_f;%???
else
best_individual_last(it,:)=history_best;
end
it=it+1;
end
disp(sprintf('最短路径：%2.5f',history_best))
disp('路径方案：')
disp(sprintf('%4d',history_best_individual));
%给每个城市标号
for i=1:size(city_coordinate,1)
text(city_coordinate(i,1),city_coordinate(i,2),num2str(i));
end
figure(2)
plot(best_individual_last,'r');hold on;
title('搜索过程');
legend('最优路径长度');
gtext(['(' num2str(it-1) ',' num2str(history_best) ')']);
%end
%******************Data子程序tsp_info***************************
function [city_distance,city_coordinate]=tsp_info(city_num)
%fid=fopen('city_coordinate.txt','r');
%city_coordinate=fscanf(fid,'%d',[50,2]);
%fclose(fid);
city_coordinate=[41,94;37,84;54,67;25,62;7,64;2,99;68,58;71,44;54,62;83,69;64,60;18,54;22,60;
83,46;91,38;25,38;24,42;58,69;71,71;74,78;87,76;18,40;13,40;82,7;62,32;58,35;45,21;41,26;44,35;4,50];
for i=1:city_num
for j=1:city_num
city_distance(i,j)=sqrt((city_coordinate(i,1)-city_coordinate(j,1))^2+(city_coordinate(i,2)-city_coordinate(j,2))^2);
end
end
%********************The end of tsp_info*****************
%********************适应度-->evaluate_fitness*************************
function [fitness,f]=evaluate_fitness(individual,city_distance)
[M,N]=size(individual);
for i=1:M
temp=0;
for j=1:N-1
temp=temp+city_distance(individual(i,j),individual(i,j+1));
end
f(i)=temp+city_distance(individual(i,N),individual(i,1));
fitness(i)=1000/f(i);
end
%*********************************the end*************************************
%*************************轮盘赌-->selcet***********************************
function new_individual=select(fitness,individual)
[m,n]=size(fitness');
for i=1:m
fit(i)=fitness(i)^20;
end
%fit=fitness.^20;
for i=1:m
sp(i)=fit(i)/sum(fit);
end
for i=2:m
sp(i)=sp(i-1)+sp(i);
end
for i=1:m
p=rand(1);
j=1;
while(p>sp(j))%找到sp(j)大于p的 j 值
j=j+1;
end
new_individual(i,:)=individual(j,:);
end
%***************************The End***********************************
%**************************交叉子程序*****************************
%功能：片段交叉
function new_individual=cross(new_individual,pc)
[M,N]=size(new_individual);
%先将顺序打乱
for i=1:M
point=unidrnd(M-i+1);%产生随机数
temp=new_individual(i,:);
new_individual(i,:)=new_individual(i+point-1,:);
new_individual(i+point-1,:)=temp;
end
for i=1:2:M-1
if pc>rand(1)
%产生两个交叉位置
location_num1=round(rand(1)*(N-2))+1;
location_num2=round(rand(1)*(N-2))+1;
min_location=min([location_num1,location_num2]);
max_location=max([location_num1,location_num2]);
%交换相邻两行的片段
middle=new_individual(i,min_location+1:max_location);
new_individual(i,min_location+1:max_location)=new_individual(i+1,min_location+1:max_location);
new_individual(i+1,min_location+1:max_location)=middle;
%交叉完之后检查个体序号是否有重复
for j=1:min_location%前半段
while find(new_individual(i,min_location+1:max_location)==new_individual(i,j))
num=find(new_individual(i,min_location+1:max_location)==new_individual(i,j));
new_num=new_individual(i+1,min_location+num);
new_individual(i,j)=new_num;
end
while find(new_individual(i+1,min_location+1:max_location)==new_individual(i+1,j))
num=find(new_individual(i+1,min_location+1:max_location)==new_individual(i+1,j));
new_num=new_individual(i,min_location+num);
new_individual(i+1,j)=new_num;
end
end
for j=max_location+1:N%后半段
while find(new_individual(i,1:max_location)==new_individual(i,j))
num=find(new_individual(i,1:max_location)==new_individual(i,j));
new_num=new_individual(i+1,num);
new_individual(i,j)=new_num;
end
while find(new_individual(i+1,1:max_location)==new_individual(i+1,j))
num=find(new_individual(i+1,1:max_location)==new_individual(i+1,j));
new_num=new_individual(i,num);
new_individual(i+1,j)=new_num;
end
end
end
end
%***************************The End***************************
%************************画图：plot_dsp*************************************
function plot_dsp(city_coordinate,best_individual,best_fitness,it)
[city_num,city]=size(city_coordinate);
for i=1:city_num-1
plot([city_coordinate(best_individual(i),1),city_coordinate(best_individual(i+1),1)],...
[city_coordinate(best_individual(i),2),city_coordinate(best_individual(i+1),2)],...
'm.-','LineWidth',2,'MarkerEdgeColor','k','MarkerFaceColor','b');
hold on;grid on;
end
plot([city_coordinate(best_individual(city_num),1),city_coordinate(best_individual(1),1)],...
[city_coordinate(best_individual(city_num),2),city_coordinate(best_individual(1),2)],...
'm.-','LineWidth',2,'MarkerEdgeColor','k','MarkerFaceColor','b');
title([num2str(city_num),'城市数量TSP问题']);grid on;
hold off;
pause(0.05);
%**************************the end************************************
%***************************变异子程序*******************************
%功能：变异子函数，片段倒序
function new_individual=mutation(new_individual,pm)
[M,N]=size(new_individual);%M：个体数，N：城市数
for i=1:N
if rand(1)<pm
location_num1=round(rand(1)*(N-2))+1;%产生1~N-1之间的随机数
location_num2=round(rand(1)*(N-2))+1;
min_location=min([location_num1,location_num2]);%变异片段的最小序号
max_location=max([location_num1,location_num2]);%变异片段的最大序号
new_individual(i,min_location:max_location)=new_individual(i,max_location:-1:min_location);
end
end
%***************** The End ***************************更多推荐
遗传算法求解旅行商（TSP）问题
发布评论