一种求解TSP问题的单亲遗传算法

1 前言 TSP问题可描述为:给定一个城市的集合,寻找一条从集合中的某个城市出发,访问每个城市一次且仅一次,最后回到出发点的最短路径。这已被证明是一个NP难解问题。求解TSP问题,遗传算法通常采用序号编码和非序号编码两种解表达方式。其中序号编码相对简单直接,其代表性的有“邻接表达”、“普通表达”和“路径表达”等几种编码方式,后者是最自然的表达方式。序号编码方式的杂交算子难于设计,杂交后解的合法性是需着重考虑的问题。虽然目前已提出了一些基于路径表达的杂交算子,如PMX、OX和CX,但普遍计算额外开销很大,而且杂交算子的使用对群体的多样性存在很大影响,容易使算法过早收敛。     

一种求解函数优化问题的新算法

1.引言遗传算法的基本思想来源于达尔文(Dorwin)的进化论和门德尔(Mendel)的遗传学说。达尔文的进化论认为:每一物种在不断的发展过程中越来越适应环境,在个体的生存与发展中那些适应环境的个体则被保留下来,体现了“适者生存”的原理。与此相应,门德尔的遗传学说则认为:遗传是作为一种指令码封装在每个细胞中,并以基因的形式包含在染色体中。通过基因杂交和基因突变可产生对环境适应强的后代,并通过优胜劣汰的自然选择,适应值高的基因则被保留下来。霍兰德(Holland)等人正是综合了上述两种学说的基本     

一种求解旅行商问题的新型单亲遗传算法

论文针对旅行商问题,提出了一种新型的单亲遗传算法。它在同一条染色体上采用基因换位、基因段移位、基因段逆转和基因分组定界等操作进行基因重组,取消了传统遗传算法中的交叉算子,遗传操作简单,收敛速度快。但过早的收敛将影响结果精度,使全局最优解的出现机率很小。为此,该算法模拟自然界演化的周期性,使用基因插入操作增强算法的搜索能力,并提出运算终止的两个准则,使所得的解为全局最优解的可信度大为提高。给出了该算法的数值算例,实验结果表明,该算法较好地解决了收敛速度和寻优能力的矛盾,证明了该算法的有效性。     

一种改进的求解旅行商问题的单亲遗传算法

单亲遗传算法具有操作简单、收敛较快等优点,因此被用于求解各种组合优化问题。针对旅行商问题,在早期单亲遗传算法的基础上引入了基因段贪心替换、基于相似度的家族竞争等一些控制策略,提出了一种新型、高效的单亲遗传算法。实验表明,该算法不仅能够保留收敛较快等优点,而且具备了比现有的单亲遗传算法以及改进的GT算法更强的全局寻优能力。     

基于单亲遗传算法的最优布局问题求解

在单亲遗传算法的基础上提出了一种最优布局问题的求解方法,它不要求初始群体的多样性,同时避免了早熟收敛.以常见的矩形件排样优化问题为例,说明了该方法的可行性和高效性.     

双适应函数单亲遗传算法

设计了一种新的双适应函数单亲遗传算法,该算法对个体和基因分别计算其适应值,并将适应值最差的基因进行变异,从而大大地提高了遗传算法的全局收敛速度。实验表明,该算法比只有一个适应值的传统遗传算法具有更快的收敛速度。     

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。     

优化的单亲遗传算法解算复杂VRP问题

车辆在非空载和空载状态下单位成本支出不同,提出了优化的单亲遗传算法求解最小配送成本.通过改进适应度以及染色体重组的计算方法,在提高效率的同时,算法不失全局和局部并重的寻优能力.实例计算表明,优化的算法比传统的算法效果更佳,而且收敛时间短,算法系统的运用能使物流企业有效降低配送成本,减轻流动资金压力.     

一种求解Shubert函数优化问题的演化算法

综合国内外演化计算研究现状,基于热力学中的自由能极小化原理, 设计了一个全新的热力学演化算法,并通过对于Shubert函数优化问题求解的数值试验,测试了热力学演化算法的优良性能,实验结果表明了热力学演化算法求出的解比一般演化算法求出的解更加接近于全局最优。     

基于改进单亲遗传算法的Flow-Shop问题求解方法

文章以Flow-Shop问题为背景,提出了一种求解该类问题的改进单亲遗传算法(PGA)。文章结合两个实例进行了仿真分析,结果表明了单亲遗传算法的有效性和可行性。     

基于Anytime算法的组合优化问题求解

介绍一种基于Ａｎｙｔｉｍｅ算法的组合优化问题求解框架,并报告了对ＴＳＰ问题进行求解的实验。实验结果表明,上述框架可以较好地协调２的复杂度与求解时间要求之间的冲突。     

融入遗传算法的混合蚁群算法

为了提高基本蚁群算法的收敛性能和全局求解能力,对基本蚁群算法进行了改进,提出了一类融入遗传算法的混合蚁群算法.在每代进化中保留最优解和次优解的公共解集后引入遗传操中的交叉算子和变异算子进行运算.对优秀解公共解集的保留加快了算法收敛速度,引入交叉和变异扩大了解的搜索空间,提高了解的全局性.通过对TSP问题的仿真运算表明,融入遗传算法的蚁群算法在收敛速度和解的全局性上都有较大的改善.     

一种求解TSP问题的动态杂交算子

TSP(TravelingSalesmanProblem)问题是最经典的NP-hard组合优化问题之一。长期以来,人们一直在寻求快速、高效的近似算法,以便在合理的时间内解决大规模问题。论文在文犤5犦提出的两交换启发交叉算子的基础上,通过分析,发现该算子的杂交结果与所选择的首城市有关,因而不同的首城市的选择会大大影响该算子的效率,此外,在杂交母体范围内执行贪婪策略也导致了算法的效率较低。为此,提出了一种新的有效利用局部信息的杂交算子,该算子能够有效地保存母体信息,进一步摆脱首城市的选择问题。实例仿真证明了该算子的有效性。     

用于求解TSP问题的改进遗传算法

TSP问题是一个典型的组合优化问题,也是一个NP难题,一般很难精确地求出其最优解,因而找出有效的近似解算法具有重要意义。针对基本遗传算法在解决TSP问题时所存在的收敛速度慢、容易“早熟”的问题,在选择算子中引入选择因子,同时提出一种改进的交叉算子和基于种群相似度的更新策略。改进的交叉算子是先比较两个城市间距离再进行交换城市序号,因此加快了收敛的速度,而基于种群的相似度更新策略则在算法的后期可以有效地防止早熟。通过对实例144进行测试,证明该算法在解决该类问题上取得了较好的效果。     

求解TSP的混合遗传算法

介绍一种求解TSP的混合遗传算法,该算法结合了基于邻域的LK算法和采用Inver-Over算子的遗传算法,并在算法中增加一些控制策略,加快算法的收敛速度,又保证群体的多样性。实验表明该算法是有效的。     

求解旅行商问题的一个新的单亲遗传算法

本文提出了求解旅行商问题（TSP）的一个新的单亲遗传算法（PGA）。首先，定义了‘好’基因段的概念，并据此设计了一种新的、有效的基因段换位算子；同时，为提高该算子的搜索能力，结合一个局部搜索技术来改进该算子；然后，在此基础上提出了一个求解旅行商问题的一个新的单亲遗传算法。计算机仿真结果表明，该算法是有效的。     

温度可控的求解 TSP问题的模拟退火算法*

在现有求解 TSP 问题的模拟退火算法的基础上,通过引入新的两点算子以及利用fprintf()函数﹑fscanf()函数和全局变量的作用,提出了一种温度可控的模拟退火算法。对CHN144 以及标准的TSPLIB 中不同国家的城市的数据进行测试。测试结果表明,该算法很容易收敛到问题的最优解。     

温度可控的求解TSP问题的模拟退火算法

在现有求解 TSP 问题的模拟退火算法的基础上,通过引入新的两点算子以及利用fprintf()函数﹑fscanf()函数和全局变量的作用,提出了一种温度可控的模拟退火算法.对CHN144 以及标准的TSPLIB 中不同国家的城市的数据进行测试.测试结果表明,该算法很容易收敛到问题的最优解.     

求解TSP的交配算子设计策略

旅行商问题(TSP)是一类典型的NP完全问题,遗传算法(GA)是求解这类问题的常用方法之一.由于该问题的解是一种特殊的序列,一些典型的GA交配方法在求解该问题时的性能并不理想.通过多次对比两种常用的GA交配方法与3种专门为TSP作优化的交配方法,总结了一种对旅行商问题的交配算子的设计策略,即注重对双亲的边继承以及加入适当的贪心控制策略.通过对Gr17、Oliver30、Eil51、Eil76和Krob100等测试数据进行实验,证明了在该策略的指导下改进的两种交配算子具有更好的表现.