改进遗传算法求解TSP问题

改进遗传算法采用了顶端增强算子进行选择运算以强化其收敛性,并利用动态进化因子来进行交叉算子和变异算子的选择以防止早熟.用不同的TsP问题测试时,在分析了种群规模、最大遗传代数与最优解之间的关系之后,得出该算法有较强的鲁棒性和有效性.     

遗传算法求解TSP的进化策略

本文提出用遗传算法（ＧＡ）求解旅行商问题（ＴＳＰ）的一整套进化策略，包括染体的编码、反向运算、循环运算、交换运算。其中除反向运算外，均与通常的ＧＡ算法所采用的策略不同。文中解释了它们的几何意义。用该算法求解中国３１个城市的ＴＳＰ问题得到了１５４０４公里的新的路径长度。计算结果表明整个算法是有效的。     

一种求解TSP问题的改进遗传算法

遗传算法(GA)是基于生物进化论的一种全局优化搜索算法,是求解TSP问题的一种方法,但它存在如何较快地找到最优解并防止"早熟"收敛的问题.结合TSP问题最优解一般包含城市与其最近城市的相连的特点,提出了贪婪两点插入变异算子,改进了启发式杂交算子,并根据个体适应度与群平均适应度根据个体的适应度赋予不同的变异概率,使得较好的个体探测路径,较差个体开发新个体.对初始群体作局部优化提高其质量加快算法的收敛速度,最优个体连续几代一直保留,则采用局部微调算子使子代中的最优个体跳离局部解.通过实验分析,改进的算法能较快的收敛到TSP问题的已知最优解;其测试结果与国际标准测试库TSPLIB中的最优路径相比,或接近或优于.     

改进遗传交叉算子求解TSP

遗传算法中的交叉步骤最根本的作用就是要使子代继承父代的优秀基因。根据TSP问题的特点考虑了用遗传算法求解TSP问题中遇到的交叉算子，构造出一种能很好继承父代优秀基因的交叉算子。实例计算表明该算法在收敛速度快的同时，具有较强的全局搜索能力。     

求解TSP的改进遗传算法

遗传算法是求解旅行商问题的一种全局优化概率搜索算法方法.文中针对遗传算法较快的找到最优解并防止＂早熟＂收敛问题,提出了一种新的分级方法,该方法在各级中以群体当前最优个体替代各级中的最差个体,并在各级中采用自适应变异概率,改进后的遗传算法不但有效的维持了群体的多样性,而且提高了收敛速度.最后实验表明,改进的算法是可行和有效的.     

遗传算法求解TSP问题的研究进展

文章介绍了TSP问题和遗传算法的基本原理以及特点；针对解决TSP问题，论述了遗传算法在编码表示和遗传操作算子等方面的应用情况，分别指出了顺序表示、路径表示和布尔矩阵表示的优缺点．阐述了三种基本的操作算子的应用现状；最后，简单说明了混合遗传算法在求解TSP问题中的应用并对遗传算法解决TSP问题的前景提出了展望．     

一种求解TSP问题的改进遗传算法

旅行商问题（Traveling Salesman Problem TSP）是一个典型的组合优化问题，但应用基本遗传算法求解TSP问题时存在许多不足．结合TSP问题的特点，提出一种改进的遗传算法：应用贪心策略初始化种群，用2-opt对其进行优化，使得在初始个体中就包含较优子路径，在一定程度上加快算法收敛性，防止早熟和近亲繁殖．对交叉算子和变异算子进行改进后，既能维持种群的多样性，也保留了父代个体大部分优良性能．应用改进的算法对20个城市的TSP问题进行求解，结果表明该算法求解速度快而且求解的质量较好．     

求解TSP问题的遗传算法改进研究

概述了遗传算法的基本原理及求解步骤。针对基本遗传算法在求解TSP(traveling salesman problem)问题时存在的收敛速度慢、种群多样性易遭到破坏、易收敛于局部最优解等问题,简要介绍了两阶段遗传算法、粗粒度遗传算法、混合遗传算法等几种算法对基本遗传算法所作的改进。分析了这几种改进遗传算法的基本原理、参数设置、遗传算子的操作方法。整理得出这些改进遗传算法在求解TSP问题时的操作步骤及它们存在的优缺点,最后提出了遗传算法未来在求解TSP问题时的发展趋势。     

一种求解TSP问题的改进遗传算法

旅行商问题(Traveling Salesman Problem TSP)是一个典型的组合优化问题,但应用基本遗传算法求解TSP问题时存在许多不足.结合TSP问题的特点,提出一种改进的遗传算法:应用贪心策略初始化种群,用2-opt对其进行优化,使得在初始个体中就包含较优子路径,在一定程度上加快算法收敛性,防止早熟和近亲繁殖.对交叉算子和变异算子进行改进后,既能维持种群的多样性,也保留了父代个体大部分优良性能.应用改进的算法对20个城市的TSP问题进行求解,结果表明该算法求解速度快而且求解的质量较好.     

基于改进遗传算法求解旅行商问题

为解决用基本遗传算法求解旅行商问题过程中保持群体多样性能力较差问题，提出了一种改进遗传算法．算法的主要改进手段是：通过二交换法来构造初始种群，以提高寻找到最优解的速度：用改进交叉算子进行交叉操作，避免了种群过早成熟．仿真结果验证了改进遗传算法的良好性能．     

一种改进的自组织映射算法求解旅行商问题

目前,没有求解旅行商问题的非常有效的方法。提出了一种求解该问题的LNSOM算法,在自组织映射算法的基础上,改进了学习率和邻域函数变量。利用matlab 2011软件进行求解,其中5个旅行商问题实例的结果优于MSTSP和SETSP算法,另外,10个实例的平均误差为1.445 6%。实验结果表明,新算法的误差更小,并保持了SOM算法较低的计算复杂度。     

旅行商问题的近似求解算法

在最近邻法、k-变换策略和贪心算法的基础上,尝试设计效率较高的产生旅行商问题较优可行解的方法。将3变换邻域分成两种结构（称为3_1和3_2变换邻域）考虑,设计以下算法：利用最近邻法产生初始当前最优解;然后依次在当前最优解的3_2、3_1、2变换邻域中寻找更优的局部最优解成为当前最优解,直到结果没有改进。利用算法对一些经典的实例进行实验,依次将每个城市作为出发地,在多项式时间O（n^4）得到的最优解与给定的最优解相对误差在1%内。     

求解旅行商问题的新型帝国竞争算法

针对旅行商问题,提出了一种新型帝国竞争算法,该算法引入帝国强化过程,以加强对殖民国家的开发;同时,为了改善帝国之间信息交流不足、群体多样性体现不明显的问题,又引入了后备国家集合,加入帝国交流过程。将该新型算法应用在国际通用旅行商测试库进行性能测试,结果表明,该算法比传统帝国竞争算法具有更快的收敛速度和更强的鲁棒性。     

求解货郎担问题的一个算法

对无向图的货郎担问题给出一个较好的算法。计算量为0(Kn~4)。该算法已在计算机上实现,通过对实例的计算,证明该算法十分有效。     

旅行商问题的免疫算法

介绍了一种模拟生物免疫系统自我调节功能的免疫算法(IA)和这种算法的基本步骤.基于旅行商问题,提出了IA的抗体表示方法、初始抗体的产生方法、抗体与抗原之间以及抗体与抗体之间亲和力的计算方法,构造了几种抗体生成算子.仿真实验表明IA具有较强的全局搜索能力.     

一种基于梯级联赛优化策略求解TSP问题的改进遗传算法

在分析标准遗传算法以及粗粒度遗传算法模型的基础上,提出了一种基于梯级联赛优化策略的改进遗传算法;通过编程仿真实验,在求解会出现"组合爆炸"的TSP问题时远优于标准遗传算法.而相对于经典的并行遗传算法模型--粗粒度模型移植到单PC机上的应用具有编程简单,易于应用的特点.     

遗传算法求解巡回旅行商问题的最优参数组合

通过正交试验方法来研究影响遗传算法对巡回旅行商问题的求解能力的因素,通过极差分析法和方差分析法得出了影响因素从强到弱依次为交叉率、群体规模、选择算子、变异率;最优参数组合方案为:群体规模500,选择率1%,交叉率40%,变异率1%;结果表明,遗传算法具有较好的鲁棒性.     

求解JSP问题的改进遗传算法

作业车间调度是一类求解困难的组合优化问题，使用改进的遗传算法来求解。GA有新解产生盲目性的特点，以搜索效率为目标提出了一种改进的遗传算法，在解的搜索过程中，通过禁忌表操作来评价种群。改进的遗传算法在保持群体多样性的同时，加快了遗传算法的收敛速度，将该算法用于典型作业车间调度问题的测试，找到了已公布的最优解，对超大规模的问题还有待进一步研究。