遗传算法的简单应用-巡回旅行商(TSP)问题的求解
上篇我们用遗传算法求解了方程,其中用到的编码方式是二进制的编码,实现起来相对简单很多,
就连交配和变异等操作也是比较简单,但是对于TSP问题,就稍微复杂一点,需要有一定的策略,
才能较好的实现。
这次的TSP问题的题目是:
随机产生10~30个城市,每个城市之间的距离也是随机产生,距离的范围是[1,50],求最优的路径
==========================================================
下面就是具体的求解,由于我的策略是基于知网上的《一种改进的遗传算法求解TSP问题》这篇文章,
所以把这篇文章先放上来。下面我简单介绍一下这篇文章关于求解TSP问题的策略,然后附上参照这篇
文章写的代码。
策略简述:
1、染色体编码
为了充分利用城市间相邻边的信息和距离的信息,不采用二进制编码而是采用整数编码,即每个染
色体都是一个1到N的排列,表示周游路线的城市间的先后顺序序列。
/// <summary>
/// 初始化群体
/// </summary>
static void Initial_Group()
{
int count = ;//已产生个体数
List<int> myRoad = new List<int>();
string road = string.Empty;//个体的表现型
for (int i = ; i < city_count; i++)
{
myRoad.Add(i);
}
while (count < gruopCount)//20个个体
{
int tmp, index;
for (int i = ; i < myRoad.Count; i++)//随机交换得到一组路径(个体)
{
index = rd.Next(myRoad.Count);
tmp = myRoad[i];
myRoad[i] = myRoad[index];
myRoad[index] = tmp;
}
for (int i = ; i < myRoad.Count; i++)//将个体转化成路径存到种群中
{
road += MyEncode(myRoad[i]);//自己编码如果大于10,转化成对应的符号
}
group.Add(road);
count++;
road = "";
}
//foreach (var item in group)
//{
// Console.WriteLine(item + " " + Ca(item));
//}
}
2、选择算子
这里没有采用轮盘赌算法,而是采用了锦标赛选择,即每次从群体中随机抽 取出M个个体,然后选
择其中适应值最好的进入下 一代,接着进行下一个锦标赛选择直至选出种群数目个个体为止。锦标
赛选择算子保证了更优的染色体能够有更大的存活机会,当然,同一个优秀的个体被多次选中也是
允许的。这里的M取2.
/// <summary>
/// 选择(锦标赛)
/// 思路:1.产生两个不同的随机数作为要参加锦标赛的两个个体;2.判断适应度大小,
/// 小的被选择(最短路径)
/// </summary>
/// <param name="list">适应度集合</param>
static void Selection(List<int> list)
{
int count = ;//选择的数量
List<string> result = new List<string>();//选择的结果
while (count < gruopCount)
{
int test1 = rd.Next(, gruopCount);//要参加锦标赛的的两个个体
int test2 = rd.Next(, gruopCount);
if (test1 != test2)
{
if (list[test1] >= list[test2])
{
result.Add(group[test2]);
}
else
{
result.Add(group[test1]);
}
}
count++;
}
//更新种群信息
for (int i = ; i < result.Count; i++)
{
group[i] = result[i];
}
}
3、交配算子
利用相邻边的信息和距离的信息作为启发来设计一种基于顶点的候选表的交配算子(CandidateCrossover)
具体步骤如下:
①交配算子根据交配概率pc来选择两个父体进行交配。把这两个父体看作是两个循环队列,然后产生一个
随机数k作为交配位。 交配位所对应的父体1中的城市作为当前的城市加入到子代1中;
②找到该城市在父体2中对应的位置,分别把该城市在父体1和 父体2中的左右邻接城市(和这个城市相连接
的边的另外两个城市)加入到当前城市的候选表中,如果其左右邻接城市已在子代中,则选择其次邻接城市,
依次类推直至所选取的城市不在子 代中,而最后一个城市的下一个城市是第一个城市;
③根据距离矩阵计算当前城市和候选表中的各个城市的距离,找出与当前城市距离最短的城市加入到子代中,
并且把这个距离最短的城市又当作当 前城市,找到此城市在父体1中的位置,返回到第2 步继续执行,
直到所有的城市加入到子代1中为止。
/// <summary>
/// 基于邻接表的交叉实现
/// </summary>
/// <param name="str1">个体1的染色体</param>
/// <param name="str2">个体2的染色体</param>
/// <returns></returns>
static string Candidate_Crossover(string str1, string str2)
{
int k = rd.Next(city_count);
int j = ;
List<int> list = new List<int>();//子代
List<int> tmp = new List<int>();//候选表
string result = string.Empty;
string son = str1[k].ToString();//第一个个体选的城市
int current = MyDecode(son);//当前城市
list.Add(MyDecode(son));
while (list.Count < city_count)
{
if (list.Count < city_count - )
{
for (int i = ; i < str2.Length; i++)
{
if (MyDecode(str2[i].ToString()) == current)
{
j = i;
break;
}
}
string str = "";
//str1 左边
for (int i = ; i < str1.Length; i++)
{
str = str1[(k - i + city_count) % city_count].ToString();
if (!list.Contains(MyDecode(str)))
{
tmp.Add(MyDecode(str));
break;
}
}
//str1 右边
for (int i = ; i < str1.Length; i++)
{
str = str1[(k + i) % city_count].ToString();
if (!list.Contains(MyDecode(str)))
{
tmp.Add(MyDecode(str));
break;
}
}
//str2 左边
for (int i = ; i < str2.Length; i++)
{
str = str2[(j - i + city_count) % city_count].ToString();
if (!list.Contains(MyDecode(str)))
{
tmp.Add(MyDecode(str));
break;
}
}
//str2 右边
for (int i = ; i < str2.Length; i++)
{
str = str2[(j + i) % city_count].ToString();
if (!list.Contains(MyDecode(str)))
{
tmp.Add(MyDecode(str));
break;
}
}
Dictionary<int, int> dic = new Dictionary<int, int>();
foreach (var item in tmp)
{
if (!dic.ContainsKey(item))
{
dic.Add(item, distance[current, item]);
}
}
int minKey = dic.OrderBy(s => s.Value).Select(s => s.Key).FirstOrDefault();
for (int i = ; i < str1.Length; i++)
{
if (minKey == MyDecode(str1[i].ToString()))
{
k = i;
current = minKey;
list.Add(minKey);
break;
}
}
tmp.Clear();
}
else if (list.Count == city_count - )
{
foreach (var a in str1)
{
if (!list.Contains(MyDecode(a.ToString())))
{
list.Add(MyDecode(a.ToString()));
}
}
}
} foreach (var item in list)
{
result += MyEncode(item);
}
return result;
}
4、变异算子
变异操作发生在某个染色体的某个基因上,它将可变性引入群体中,增强了群体的多样性,从而提供了从局部
最优中跳出来的一种手段。变异方法也是一个随机的、盲目的变异,因此需要使用比较小的变异概率(pm)
来控制以避免造成种群的破坏。这里采用的是基于位置的变异也称为插入式变异(InsertionMutation),该算子
在染色体中随机产生两个变异位,然后把第二个位置的基因插入到第一个位置的基因之前。
/// <summary>
/// 插入式变异(ISM)
/// 思路:1.产生两个随机位置;2.将第二个位置的数放在第一个位置的数的前面
/// </summary>
/// <param name="str1">要变异的个体</param>
/// <returns>变异过后的个体</returns>
static string Opreation_Mutation(string str1)
{
int pos1 = rd.Next(, city_count);//产生两个位置
int pos2 = rd.Next(, city_count);
if (pos1 < pos2)
{
string s = str1[pos2 - ].ToString();
return str1.Insert(pos1 - , s).Remove(pos2, );
}
else if (pos1 > pos2)
{
string s = str1[pos1 - ].ToString();
return str1.Insert(pos2 - , s).Remove(pos1, );
}
else//如果相等的两个位置,则重新产生小范围的随机数
{
int pos3 = rd.Next(, city_count / );
int pos4 = rd.Next(city_count / , city_count);
string s = str1[pos2 - ].ToString();
return str1.Insert(pos1 - , s).Remove(pos2, );
}
}
其中的方法,实现不唯一,时间比较敢,也没有作一定的优化,只是为了熟悉算法而写的。
希望能帮到初学者,也欢迎各位提出修改意见。
完整代码可在这下载
https://github.com/hwqdt/Catcher.TSP
遗传算法的简单应用-巡回旅行商(TSP)问题的求解的更多相关文章
- 二进制状态压缩dp(旅行商TSP)POJ3311
http://poj.org/problem?id=3311 Hie with the Pie Time Limit: 2000MS Memory Limit: 65536K Total Subm ...
- Hamilton回路 旅行商TSP问题 /// dp oj1964
题目大意: 给出一个n个顶点的无向图,请寻找一条从顶点0出发,遍历其余顶点一次且仅一次.最后回到顶点0的回路——即Hamilton回路. Input 多测试用例.每个测试用例: 第一行,两个正整数 n ...
- 【C#代码实战】群蚁算法理论与实践全攻略——旅行商等路径优化问题的新方法
若干年前读研的时候,学院有一个教授,专门做群蚁算法的,很厉害,偶尔了解了一点点.感觉也是生物智能的一个体现,和遗传算法.神经网络有异曲同工之妙.只不过当时没有实际需求学习,所以没去研究.最近有一个这样 ...
- ACM/ICPC 之 数据结构-邻接表+DP+队列+拓扑排序(TSH OJ-旅行商TSP)
做这道题感觉异常激动,因为在下第一次接触拓扑排序啊= =,而且看了看解释,猛然发现此题可以用DP优化,然后一次A掉所有样例,整个人激动坏了,哇咔咔咔咔咔咔咔~ 咔咔~哎呀,笑岔了- -|| 旅行商(T ...
- 2016全国研究生数学建模A题多无人机协同任务规划——基于分布式协同多旅行商MTSP遗传算法
MTSP问题是指:有Ⅳ个城市,要求旅行商到达每个城市各一次,且仅一次,并[旦 1到起点,且要求旅行路线最短.而多旅行商问题M个旅行商从同一个城市(或多个城市)出发.分羽走一条旅路线,且总路程缀短.有关 ...
- hdu 4281 Judges' response(多旅行商&DP)
Judges' response Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 32768/32768 K (Java/Others) ...
- vijosP1014 旅行商简化版
vijosP1014 旅行商简化版 链接:https://vijos.org/p/1014 [思路] 双线DP. 设ab,ab同时走.用d[i][j]表示ab所处结点i.j,且定义i>j,则有转 ...
- 洛谷P1782 旅行商的背包[多重背包]
题目描述 小S坚信任何问题都可以在多项式时间内解决,于是他准备亲自去当一回旅行商.在出发之前,他购进了一些物品.这些物品共有n种,第i种体积为Vi,价值为Wi,共有Di件.他的背包体积是C.怎样装才能 ...
- Asp.net Mvc模块化开发之“开启模块开发、调试的简单愉快之旅”
整个世界林林种种,把所有的事情都划分为对立的两个面. 每个人都渴望的财富划分为富有和贫穷,身高被划分为高和矮,身材被划分为胖和瘦,等等. 我们总是感叹,有钱人的生活我不懂;有钱人又何尝能懂我们每天起早 ...
随机推荐
- 人人都是 DBA(VII)B 树和 B+ 树
B 树(B-Tree)是为磁盘等辅助存取设备设计的一种平衡查找树,它实现了以 O(log n) 时间复杂度执行查找.顺序读取.插入和删除操作.由于 B 树和 B 树的变种在降低磁盘 I/O 操作次数方 ...
- WPF,Silverlight与XAML读书笔记第四十四 - 外观效果之样式
说明:本系列基本上是<WPF揭秘>的读书笔记.在结构安排与文章内容上参照<WPF揭秘>的编排,对内容进行了总结并加入一些个人理解. 如果你有Web编程的经验,你会知道使用Sty ...
- 【读书笔记】.Net并行编程(三)---并行集合
为了让共享的数组,集合能够被多线程更新,我们现在(.net4.0之后)可以使用并发集合来实现这个功能.而System.Collections和System.Collections.Generic命名空 ...
- [异常解决] MPU6050启动异常读出陀螺仪和加速度计的值全为0的解决办法
在调试一个自己做的手环,每次用keil烧写好程序运行的蓝牙.陀螺仪都是正常的.但是掉电再上电之后蓝牙是好的.陀螺仪可以读出ID但是读出的加速度和角速度数据全为0. 下面是发生问题时main函数的前面部 ...
- 据说每个大牛、小牛都应该有自己的库——DOM处理续
在上篇据说每个大牛.小牛都应该有自己的库——DOM处理最后剩下attr()和css()方法没有处理,因为这两个方法当时并不自计划中,是写着写着突然想到的,一时间没有特别好的思路,当时已十一点多了,就去 ...
- Git学习笔记(6)——Bug和Feature分支
本文主要记录了通过Git来调试Bug和添加新的功能,也就是Bug分支和Feature分支,以及分支的推送. Bug分支 通过Git,我们可以为每个Bug建立一个分支,Bug修复后,合并分支,然后将临时 ...
- html5 响应式布局
一.什么是响应式布局? 响应式布局是Ethan Marcotte在2010年5月份提出的一个概念,简而言之,就是一个网站能够兼容多个终端——而不是为每个终端做一个特定的版本. 这个概念是为 ...
- C#教程(1) -- .Net与C#简介
(1).Net .Net指.Net平台或者是.Net Framework框架. 如果你把.Net平台想象成一个厨房,那么.Net Framework框架就是其中的柴米油盐酱醋茶. 如果你把.Net平台 ...
- Python内建的对象列表
Python内建的对象列表 刚写Python肯定会遇到这样的情况,想写些什么,但又不知从何写起... 在我看来问题在于我们不知道有什么东东可以拿来玩,这里列出Python的内建对象,稍微归类了一下,多 ...
- 使用XSD校验Mybatis的SqlMapper配置文件(1)
这篇文章以前面对SqlSessionFactoryBean的重构为基础,先简单回顾一下做了哪些操作: 新建SqlSessionFactoryBean,初始代码和mybatis-spring相同: 重构 ...