一种基于构建基因库求解TSP问题的遗传算法

在分析了已有的求解TSP问题的优化算法后,提出了一种将建立基因库(Ge)与遗传算法结合起来的新算法(Ge_GA)。该算法的目的是用基因库指导整个种群的进化,其核心问题是基因库的建立及如何将基因库运用到遗传算法中。试验结果表明,基因库有效地提高了群体演化的质量,局部搜索与全局搜索的结合大大提高了算法收敛速度。对于每个测试的实例,其结果与最优解的误差都不超过0.001％。特别是对难于求解的TSP问题,如pcb442和n1577,都能够在理想的时间内找到最优解。     

基于遗传算法求解TSP问题的一种算法

TSP问题是一个经典的NP难度的组合优化问题，遗传算法是求解TSP问题的有效方法之一。利用交换启发交叉算子实现局部搜索加快算法的收敛速度和利用变换变异算子维持群体的多样性防止算法早熟收敛，给出了一种求解TSP问题的遗传算法。仿真实验结果表明了该算法的有效性和可行性。     

一种基于基因库和多重搜索策略求解TSP的遗传算法

TSP是组合优化问题的典型代表,该文在分析了遗传算法的特点后,提出了一种新的遗传算法（GB_MGA）,该算法将基因库和多重搜索策略结合起来,利用基因库指导单亲遗传演化的进化方向,在多重搜索策略的基础上利用改进的交叉算子又增强了遗传算法的全局搜索能力。通过对国际TSP库中多个实例的测试,结果表明：算法（GB_MGA）加快了遗传算法的收敛速度,也加强了算法的寻优能力。     

一种基于基因库求解TSP的单亲遗传算法

研究商品流通路线问题,TSP是组合优化问题的典型代表。针对TSP问题提出了一种改进的遗传算法。以引入＂基因库＂为基础,为了寻找出最优路径,提出一种只使用变异算子和选择算子繁殖后代的单亲遗传算法（PGA）,并设计了一种新的组合算子作为算法的主搜索算子。算法利用基因库指导单亲遗传演化的进化方向,利用设计的组合算子来增强算法的搜索能力,从而很好地仿真了自然界的进化过程。计算结果证明,基因库的PGA算法具有较高的求解质量和求解效率,尤其是在求解Lin318 TSP问题时获得了优于目前最好解最短路径,可为设计提供有效的参考。     

一种求解TSP问题的并行遗传算法

遗传算法(GA)是一种基于自然群体遗传机制的有效搜索算法,由于它在搜索空间中同时考虑许多点,这样就减少了收敛于局部极小的可能,也增加了处理的并行性。因此可以利用并行遗传算法(PGA)研究典型的组合优化实例-TSP问题的求解问题。该文提出一种有效的并行算法求解旅行商(TSP)问题,实验结果表明,该方法在解的精度上优于以前的算法。     

基于基因库求解旅行商问题的遗传算法

针对传统遗传算法(genetic algorithm, GA)求解旅行商问题(traveling salesman problem, TSP)存在寻优效率低、实验结果缺乏一致性等问题,提出了一种基于基因库的遗传算法(genetic algorithm based on genes pool, GPGA)。GPGA从种群中搜索减小哈密顿圈长度的边,并当做优良基因构成基因库。父代哈密顿圈在基因库引导下产生更优的子代哈密顿圈,基因库也随着种群的不断进化而同步更新,引导种群个体逐步向最优解靠近。算例结果表明在同样条件下,GPGA比传统遗传算法和几种改进遗传算法的性能更优。     

求解TSP问题的一种启发式算法

TSP问题模型应用广泛,其求解策略的研究具有重要的理论和实践意义.根据TSP问题的特点,借鉴无向完全图上最小生成树的生成过程,设计了一种启发式算法对TSP问题进行求解.该算法的基本思想是以无向完全图上不同最小生成树为基础,采用启发式的方法构造不同闭合回路,最后取最短闭合回路作为最优解.文中采用C语言编程,同时分析了算法的性能和时间复杂度,并进行了大量仿真计算.结果表明设计的算法能够有效求得TSP问题的优化解.     

基于遗传算法求解TSP问题的一种算法

主要研究了用遗传算法求解TSP问题.阐述了简单遗传算法的设计方法、基本原理和基本步骤.描述了简单遗传算法在TSP问题中的应用现状.根据种群个体的多样性和分布情况,提出了判定遗传算法的截止代数.简单遗传算法具有易于陷入局部最优解、收敛速度慢的特点,针对这些特点,通过改进交叉算子,加入初始化启发信息,提高了遗传算法解的精度和收敛性.     

基于构建基因库求解TSP问题的改进遗传算法

文章针对TSP问题设计了一种将基因库和遗传算法结合起来的新算法,该算法首先构建一个基因库,在单亲演化中利用基因库指导种群的进化方向,其次在此基础上采用单亲进化遗传算法中的基因重组操作,保留每次获得的最好解组成初始种群,最后采用顺序交叉算子进行群体演化。给出的实验结果显示,该算法所获得的解与最优解的相对误差都不超过2%,该算法的收敛速度和寻优能力明显优于该问题的单亲进化遗传算法。     

旅行商问题(TSP)的一种改进遗传算法

传统的序号编码遗传算法(GA)使用PMX、CX和OX等特殊的交叉算子,这些算子实施起来很麻烦。针对TSP问题的求解,提出了一种新的改进遗传算法：单亲进化遗传算法(PEGA),PEGA是利用父体所提供的有效边的信息,使用保留最小边的方法进行个体的进化。与传统的遗传算法相比,PEGA算法弥补了它们的不足之处,简化了遗传算法。给出了PEGA算法的数值算例,仿真实验表明了该算法对于对称的TSP和非对称的TSP问题,都具有收敛速度快的特点,证明了该算法的有效性。     

求解TSP的量子遗传算法

量子遗传算法(QGA)在求解数值和组合优化问题时效率明显优于传统进化算法,但目前较多被用于求解组合优化的背包问题,为了充分发挥QGA的优点,文中用其求解TSP这一经典的NP难问题.首先,文中设计了一种利用几率幅值编码的新的编码方式,即利用几率幅值编码的量子个体与一组向量对应,而此向量又与一条可行路径一一对应.这样的编码方式不仅缩小了种群规模,占用较少内存,所得的解均可行,而且有效地增强了种群的多样性;其次,在量子个体上实施量子杂交,这一操作有利于保留相对较好的基因段;最后,为了加快算法的收敛速度,引入两阶段局部搜索,第一阶段主要针对实例中排列稀疏处的城市进行优化,第二阶段在第一阶段的基础上着重对排列密集处的城市优化.据此,设计了解TSP的一个新的高效的QGA,并证明了其以概率1收敛到全局最优解;测定算法性能的数值实验数据表明,该算法在种群规模较小,迭代次数较少的情况下就可以收敛到已知最优解.     

求解TSP问题的一种混合遗传算法

文章针对TSP问题的特点,设计了一个求解TSP问题的混合遗传算法。该算法中设计了贪婪子路交叉算子,引入2OPT算子增强遗传算法的局部搜索能力,在选择算子设计中引入稳定状态选择机制。通过KroB100、pr136、pr144、kroB150、CHC144…问题的求解结果表明该遗传算法设计在求解TSP问题中是高效的。     

求解货郎担问题(TSP)的佳点集遗传算法

文章针对求解货郎担问题（ＴＳＰ）,给出了一种佳点集遗传算法。通过对ＣＨＮ１４４实例的仿真求解,取得了令人满意的结果,可以看出该算法不仅提高了求解的效率和精度,还有效地避免了“早熟”现象。     

基于路径共同顺序的TSP遗传算法

遗传算法是一种解决TSP问题的有效算法。文章提出了一种基于路径共同顺序的新型遗传操作方法,即首先寻找父辈的共有路径信息,然后构建后代,该方法缩小了搜索优解的范围,加快了优化过程的收敛速度。在此基础上针对TSP实例,实现了基于共同顺序的优化方法来解决小规模TSP问题,以及更有效的基于共同顺序的循环优化方法来解决大规模TSP问题。实验结果验证了该方法的有效性。     

一种求解TSP问题的多种群并行遗传算法

遗传算法是一种基于自然群体遗传机制的有效搜索算法,由于它在搜索空间中同时考虑许多点.减少了收敛于局部极值的可能,也增加了处理的并行性.因此可以利用并行遗传算法研究典型的TSP问题的求解.提出一种有效的多种群并行算法求解旅行商(TSP)问题,应用多种群遗传并行进化的思想,并在种群之间进行遗传信息交流,以解决经典遗传的收敛到局部最优值问题.仿真实验结果表明,方法在解的精度上以及解的质量上优于经典的遗传算法.     

求解TSP问题的一种改进蚁群算法

TSP问题是典型的NP—hard组合优化问题,用蚁群算法求解此问题存在搜索时间长,容易陷入局部最优解的不足。本文提出了一种改进的蚁群算法。该算法在蚁群算法中植入遗传算法,利用遗传算法生成信息素的分布,克服了蚁群算法中搜索时间长的缺陷。此外,在蚁群算法寻优中,采用交叉和变异的策略,改善了TSP解的质量。仿真结果显示,改进的蚁群算法是有效的。     

一种改进的遗传算法及其在TSP中的实现

TSP问题是典型的NP完全问题，遗传算法是求解NP完全问题的一种方法。文章针对TSP问题．提出了一种改进的遗传算法。在遗传算法中引入进化算法的思想，在此基础上提出顶端培育策略和分阶段策略，以求在保证群体多样性的同时加快收敛速度。在算法的仿真和测试中，改进后的算法明显优于传统的遗传算法。这表明，该算法具有良好的可行性和实用性。