请下载论文,论文为word格式,只上传部分查看,如果需要此参考论文,请点击-下载论文,下载资料。
旅行商问题是一个典型的NP完全问题,遗传算法是解决这类问题一个比较理想的算法。遗传算法是近年来迅速发展起来的一种全新的随机搜索与优化方法。它的基本思想来自于Darwin的进化论和Mendel的遗传学。
论文首先对遗传算法和旅行商问题进行了简单的描述。接着用数学的方式描述了TSP问题。然后,阐述了遗传算法在编码表示和遗传算子(包括选择算子、交叉算子、变异算子)等其他方面的应用情况,最后通过对初始种群、交叉率、变异率、遗传代数等参数进行修改、测试、对比、来验证这些参数对算法的求解结果和求解效率的影响。
关键字 遗传算法 旅行商问题 遗传算子 编码
目录
1 引言1
1.1 研究背景1
1.2 国内外发展现状1
1.3 本文研究的内容3
1.4 本文结构3
2 遗传算法与TSP问题介绍5
2.1 遗传算法介绍5
2.1.1遗传算法简介5
2.1.2 遗传算法应用中的关键问题6
2.1.2 遗传算法特点8
2.1.3 遗传算法的应用步骤9
2.1.4 遗传算法的流程图10
2.2 TSP问题介绍10
3 遗传算法在TSP上的应用与实现12
3.1 算法的实现12
3.1.1 遗传算法运用在TSP上的流程图12
3.1.2 编码13
3.1.3 初始化种群13
3.1.4 适应度函数14
3.1.5 选择操作14
3.1.6 交叉操作17
3.1.7 变异操作21
3.2 不同参数下的计算结果对比21
3.2.1 初始种群10和100的对比21
3.2.2 不同交叉率和变异率的对比24
3.3 程序计算过程截图25
4 混合遗传算法的展望28
结 论30
致 谢31
参 考 文 献32
相关热词:基于遗传算法的TSP问题求解方法
上一篇:C++俄罗斯方块游戏