《基于遗传算法的TSP问题研究本科生毕业论文》由会员分享，可在线阅读，更多相关《基于遗传算法的TSP问题研究本科生毕业论文（43页珍藏版）》请在金锄头文库上搜索。
1、 设计题目：_基于遗传算法的TSP问题研究_ 学 院：_计算机与信息学院 _ _III毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日期： 使用授权说明本人完全了解 大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校
2、要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名： 日期： 年 月 日学位论文版权使用授权书本学位论
3、文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期： 年 月 日导师签名： 日期： 年 月 日目录摘要IAbstractII第1章 绪论- 1 -1.1旅行商问题- 1 -1.2研究意义- 1 -1.3 论文的组织结构- 1 -第2章 遗传算法理论概述- 2 -2.1遗传算法的起源和发展- 2 -2.2遗传算法基本原理- 3 -2.3遗传算法的基本步骤-
4、 4 -2.4 遗传算法的流程图- 4 -2.5遗传算法的特点- 5 -2.6遗传算法的应用- 6 -第3章 TSP问题及研究的基本方法- 8 -3.1 TSP问题概述- 8 -3.2 TSP的应用与价值- 8 -3.3 TSP问题的数学模型- 9 -3.4 TSP 问题的分类- 9 -3.5 现有的求解TSP问题的几种算法- 10 -第4章 遗传算法在TSP的应用- 12 -4.1遗传算法在TSP上的应用- 12 -4.2算法的实现- 12 -4.3编码- 12 -4.4初始化种群- 13 -4.5适应度函数- 13 -4.6选择操作- 13 -4.7交叉操作- 15 -4.8变异操作- 1
5、7 -4.9实验结果- 18 -结 论- 20 -展望- 20 -参 考 文 献- 21 -致 谢- 22 -附录程序- 23 -摘要TSP问题(Traveling Salesman Problem)是已知有n个城市，现有一推销员必须遍访这n个城市，且每个城市只能访问一次，最后又必须返回出发城市。要安排其访问次序，使其旅行路线的总长度最短。TSP是经典的NP-hard组合优化问题之一，也是一个测试算法优劣性的标准问题，且现实中有很多应用问题都可归结或转化为TSP问题。故对此问题的求解具有理论与实用两方面的意义。传统的求解方法在面对较大规模的问题时，很不容易得到最优解。遗传算法(Genetic
6、Algorithms，简称GA)是借鉴生物选择和进化机制发展起来的一种高度并行、随机和自适应搜索算法。特别适合于处理传统搜索算法解决不好的复杂和非线形问题。它的两个最大的显著特点是隐含并行性和全局搜索。对遗传算法及其应用的研究是目前智能计算的研究热点之一。关键词：遗传算法；TSP问题；交叉算子 AbstractThe TSP question is one of most classical NPhard combination optimization questions，and it is also a standard question to test algorithm perform
7、anceIn the reality,there al e many application questions can be summed up or converted intoTSP.Therefore solve this problem is significance with both the theory and practicalTo large-scale problems，the traditional solution method is too inadequate. Genetic Algorithm(GA)is all algorithm which is high
8、ly parallel，stochastic and autoadapted searchingIt is profits from one kind which the biological choice and the evolution mechanismEspecially,it qualifies in the questions that complex and non-linear for tradition searching algorithmIts two most major outstanding features are conceal parallelism and
9、 the global searchTo the genetic algorithm and the application research ofit is one hot spot of the intelligent computation stratosphereKey words：genetic algorithm;TSP; crossover opera福建农林大学本科毕业论文第1章 绪论1.1旅行商问题旅行商问题 (Traveling Salesman Problem，TSP)，也称货郎担问题，是指对于给定的甩个城市，旅行商从某一个城市出发，不重复地访问其余每一个城市，最后又返回
10、到原出发城市，要求找出一条旅行路线，使其的旅行所付出的代价最小。旅行商问题是一个比较古老的问题，最早可追溯到Euler提出的骑士旅行问题，同时它也是个“新问题，因为计算的复杂性较高，人们一直在尝试用新的方法来改进求解该问题的复杂度。TSP问题是一个具有广泛的应用背景和重要理论价值的组合优化问题，它是一个典型的NP问题。G=（V，E）为赋权图，V=1，2，N为顶点集，E为边集，Cij表示旅行商经过对应弧段（i，j）所花的费用，如时间、距离、花费等。TSP问题就是要决定一条经过图中所有顶点，当且仅当一次且代价最小的回路，即代价最小的Hamilton回路，为简化问题。1.2研究意义旅行商问题是一个理
11、想化的问题，大多数对于此问题的研究都不是为了直接的实际应用，但这些研究可以经转化后用于许多现实的组合优化问题。在现实生活中，有许多问题都可以归结为TSP问题，如电路板钻孔路线选择、车辆路线问题、计划任务、连锁店货物配送路线、管道铺设、火炬接力等问题，这些问题的求解策略均可依据TSP问题的求解算法来加以实施。所以TSP问题在计算理论上和实际应用上都有很高的价值，将直接带动整个组合优化领域新的发展。而遗传算法是一种的元启发式优化算法,基于遗传算法在许多方面有重要的应用空间。基于此原因，本文的主要是用遗传算法的基本算子解决TSP这个有意义的NP难问题。 1.3 论文的组织结构 第1章绪论。本章论述旅
12、行商问题的基本概念，以及本课题的主要研究内容及其研究意义，并对本文的章节结构加以概述。第2章，概要介绍了遗传算法的起源和发展、思想及应用等问题，并重点介绍了基本遗传算法。第3章 概要介绍了TSP问题的定义和数学模型、研究现状及评价标准，现有的求解TSP问题的几种算法。第4章 本章论述如何用基于遗传算法求解TSP问题。详细论述了用遗传算法在TSP的实现方法和主要参数设置、程序实现。第5章 总结第2章 遗传算法理论概述2.1遗传算法的起源和发展20世纪40年代以来，科学家努力从生物学中寻找用于计算机科学和人工系统的新思维、新方法和新途径，生命科学与工程科学相互交叉、相互渗透、相互促进成为近代科学发
13、展的显著特点之一。遗传算法正是从大自然的杰作生物进化论中得到的灵感和启迪，其基本思想是Darwin进化论和Mendel的遗传学说。Darwin进化论最核心的是自然选择学说。他认为，生物进化是一个缓慢的变化过程，物种不是被创造出来的，而是自然选择的必然结果。“物竞天择，适者生存”。生物要想生存下来，就必须进行生存斗争。斗争是多方面的，有种内斗争、种间斗争以及生物与无机环境间的斗争。只有适应性强的个体才能在斗争中存活下来，并且有更多的机会将有利变异传给后代；而不适应斗争环境、具有不利变异的个体将面临淘汰。Darwin把这种在生存斗争中适者生存、不适者淘汰的过程称为自然选择。Mendel遗传学说最重
14、要的是基因遗传原理。他认为遗传以密码方式存在于细胞中，并以基因形式包含在染色体内。每个基因有特殊的位置并控制某种特殊性质。所以，每个基因产生的个体对环境具有某种适应性。基因突变和基因杂交可产生更适应于环境的后代。经过存优去劣的自然淘汰，适应性高的基因结构得以保存下来。现代遗传学和细胞学的研究表明，生物的遗传物质主要保存在染色体中，染色体由DNA(脱氧核糖核酸)和蛋白质组成；基因则是指携带有遗传信息的DNA序列，是控制性状的基本遗传单位。基因可以精确的复制，也可以发生突变，并可以通过控制蛋白质的合成而控制生物的性状。生物体自身通过对基因的复制和交叉即基因分离、基因自由组合和基因连锁互换的操作使其性状的遗传得到选择和控制。同时，通过基因重组、基因变异和染色体在结构和数目上的变异产生丰富多彩的变异现象。能否将生物进化论应用于科学研究和工程实践中的各种搜索和优化问题中?遗传算法正是从这一疑问开始的。上个世纪60年代，Michigan大学的JHHolland教授开始认识到生物的遗传和自然进化现象与人工自适应系统的相似关系，并将生物遗传机制引入人工自适应系统的研究。1967年，他的学生Bagley JD首次提出“遗传算法”一词，并发展了复制、交
