遗传算法分析TSP

资源描述 遗传算法(GA)是一种解优化问题的随机搜索方法，它借助于生物进化中的自然选择和遗传(即适者生存)的规律. 算法步骤(基本遗传算法) Step 1.随机初始化pop_size个染色体.Step 2.用交叉算法更新染色体.Step 3.用变异算法更新染色体.Step 4.计算所有染色体的目标值.Step 5.根据目标值计算每个染色体的适应度.Step 6.通过轮盘赌的方法选择染色体.Step 7.重复第二至第六步直到终止条件满足.Step 8.输出最好的染色体作为最优解. 为利于遗传算法的计算，首先要对解进行编码，编码后的解称为染色体.对于约束优化问题，遗传算法是在染色体中进行操作，而把操作结果解码后去检验其可行性. 遗传算法的主要特征： 群体和种群的维数相等，为一个偶数维，且不随代数的变化而变化；适应函数直接选用目标函数；种群中的个体通过轮盘赌的方法选取；种群中的一对个体采用随机交配位的方式产生一对子代；每一个基因有相同的变异概率。