采用遗传算法的 tsp 问题

旅行商问题 （TSP） 是一个基准和计算机科学和行动研究中的老问题。它可以表示为： N 的网络节点 （或城市），与 " 节点 1" 作为 "总部" 和旅行成本 （或距离或旅行时间等） 矩阵 C = [cij] 的顺序给出了 n 与序的节点对 (i，j) 相关联。问题是要找到一个最不成本哈密顿周期。 根据成本矩阵的结构，Tsp 被分为两个群体 — — 对称和非对称。TSP 是对称如果 cij = cji，∀ i、 j 和非对称否则为。N 市非对称的 tsp 问题，有)! 1 （−n 可能的解决方案，一个或多个的给出了最小的成本。 对于 n 市对称 tsp 问题，有 2)! 1 （−n 可能的解决办法以及它们具有相同的总费用的反向循环排列。在任一情况下解的个数成为极大甚至中等大 n 因此穷举搜索是不切实际的。主要原因有三个为什么 tsp 问题已引起了很多研究者的关注和仍然是一个活跃的研究领域。第一，大量的现实世界的问题可以被建模为 TSP。第二，它被证明是 NP-完全问题 [1]。第三，NP-完全问题的意义上，没有人能找到任何真正有效的方式解决他们的大难治性