【34页】【毕业论文】基于遗传算法对TSP的实现及对四组遗传算子的比较源文档

本文基于遗传算法机器学习。

遗传算法的主 要应用领域有函数优化组合优化生产调度自动控制机器人智能控制学 图像处理和模式识别人工生命遗传编程和从世纪年代开始我国对遗传算教授与其同事学生们共同研究形成了 较完整的理论和方法，年代基于遗传算法的思想在计算机上进行了大 量的纯数值函数的优化计算实例，年代由归纳总结了系列研究工 作，形成了遗传算法的基本框架。

目前人们已经将遗传算法和其他诸如模拟退火 算法贪婪算法最速下降法等结合起来形成了混合遗传算法，使得对所求解的 问题有更快的收敛速度和更强的鲁棒性。

从世纪年代开始我国对遗传算法 的研究处于升温时期，在最近的几年里也取得了举世瞩目的成绩。

目前人们已经将遗传算法和其他诸如模拟退火 算法贪婪算法最速下降法等结合起来形成了混合遗传算法，使得对所求解的 问题有更快的收敛速度和更强的鲁棒性。

数的优化计算实例，年代由归纳总结了系列研究工 作，形成了遗传算法的基本框架。

在六十年代末七十年代 初主要由美国密歇根大学的教授与其同事学生们共同研究形成了 较完整的理论和方法，年代基于遗传算法的思想在计算机上进行了大 量的纯数值函部分内容简介部分内容简介 绪论 遗传算法是最近几十年来发展起来的新型优化方法，在六十年代末七十年代 初主要由美国密歇根大学的教授与其同事学生们共同研究形成了 较完整的理论和方法，年代基于遗传算法的思想在计算机上进行了大 量的纯数值函数的优化计算实例，年代由归纳总结了系列研究工 作，形成了遗传算法的基本框架。

目前人们已经将遗传算法和其他诸如模拟退火 算法贪婪算法最速下降法等结合起来形成了混合遗传算法，使得对所求解的 问题有更快的收敛速度和更强的鲁棒性。

从世纪年代开始我国对遗传算法 的研究处于升温时期，在最近的几年里也取得了举世瞩目的成绩。

遗传算法的主 要应用领域有函数优化组合优化生产调度自动控制机器人智能控制学 图像处理和模式识别人工生命遗传编程和机器学习。

是组合优化问题中的难问题，可能的路径数随着城市的数目的增大 呈指数级增长，城市数目越大寻优路径的难度也就越大，到目前为止已经提出了 许多种解法。

本文基于遗传算法对对称旅行商问题进行求解，并对各种实现方法 进行对比讨论。

全文包括遗传算法概述基于遗传算法对的实现及对四组 遗传算子的比较总结等几大部分组成。

在遗传算法概述部分简单介绍了遗传算 法的机理各种不同的编码方法适应度函数和遗传操作，在基于遗传算法对 的实现及对四组遗传算子的比较部分首先对作了简要概述，然后介绍 了常用的编码方法适应度函数的确定和针对的遗传算子的设计，接着阐 述了实现部分匹配交叉法时需要注意的问题和新设计的交叉算子类贪婪交叉算 子，最后对四种实现方法的结果进行对比评价。

总结部分对全文的内容进行了总 结并指出了文章的不足之处。

遗传算法概述 遗传算法是通过模拟生物在自然环境中遗传和进化的过程而形成的种自 适应的全局优化概率搜索算法，借鉴生物学遗传机制，模仿进化过程中的选择 交叉和变异机理，以群体的方法进行自适应搜索，找到目标空间中的近似最优解 或满意解。

遗传算法是个迭代求解的过程，首先初始化当前种群，然后从当前种群中 按照种机制选择适量个体进行遗传操作，在产生新代种群后找到当前种群中 的最佳个体，然后将新产生的种群作为当前种群，继续以上操作，直到满足种 终止条件为止。

遗传算法的数学基础 首先引入模式的概念。

模式是个描述字符串集的模板，该字符 串集中串的些位置上存在相似性。

个串中可以隐藏多个模式，个模式可以 隐藏在多个串中，不同的字符串之间通过模式相互联系，所以说遗传算法中串的 运算实质上是模式的运算。

例如二进制编码中字符集为，是通配符，可 以是或，则表示种模式。

模式阶是指模式中确定的位置的个 数，定义距指的是模式中第个确定位置和最后个确定位置之间的距离。

比如 编码为表示的模式，它的阶为，定义距为。

模式定理在遗传算子选择交叉和变异的作用下，具有低阶短定义距和 平均适应度高于群体平均适应度的模式在子代中将以指数级增长。

我们把低阶短定义距以及高适应度的模式叫做积木块。

由此引出积木块假 设。

积木块假设积木块在遗传算子的作用下相互结合能生成高阶长定义距 高平均适应度的模式，可最终生成全局最优解。

模式定理保证了较优模式的样本数呈指数级增长，从而满足了寻找最优解的 必要条件，即遗传算法存在找到最优解的可能性，而积木块假设指出了遗传算法 具备找到全局最优解的能力。

遗传算法的运算过程 遗传算法是通过模仿生物学中遗传和进化的机理完成对问题域中最优解的 搜索。

首先对目标问题进行编码，编码是表现型到基因型的映射，而遗传算法的 绪论 遗传算法是最近几十年来发展起来的新型优化方法，在六十年代末七十年代 初主要由美国密歇根大学的教授与其同事学生们共同研究形成了 较完整的理论和方法，年代基于遗传算法的思想在计算机上进行了大 量的纯数值函数的优化计算实例，年代由归纳总结了系列研究工 作，形成了遗传算法的基本框架。

目前人们已经将遗传算法和其他诸如模拟退火 算法贪婪算法最速下降法等结合起来形成了混合遗传算法，使得对所求解的 问题有更快的收敛速度和更强的鲁棒性。

从世纪年代开始我国对遗传算法 的研究处于升温时期，在最近的几年里也取得了举世瞩目的成绩。

遗传算法的主 要应用领域有算 法的机理各种不同的编码方法适应度函数和遗传操作，在基于遗传算法对 的实现及对四组遗对的实现及对四组 遗传算子的比较总结等几大部分组成。

在遗传算法概述部分简单介绍了遗传对对称旅行商问题进行求解，并对各种实现方法 进行对比讨论。