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.     

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．     

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.     

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.     

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。     

遗传算法在TSP问题中的应用

遗传算法是借鉴生物界自然选择和进化机制发展起来的全局的概率搜索算法,旅行商问题（TSP）是著名的NP问题,也是组合优化、计算机科学界经典的问题之一。本文简介了遗传算法的原理、设计方法和基本步骤,并着重用遗传算法对TSP问题进行近似求解。     

一种基于遗传算法的S盒优化设计

针对基本遗传算法"爬山"能力弱,有"早熟"特征,寻优效率比较低的不足,提出一种基于遗传算法的S盒的优化设计。在初始种群的生成过程中加入由先验知识产生的部分性能较优的S盒,在一定程度上提高收敛速度和收敛效果;在遗传算子操作中采用最优个体保存法选择策略,可以大大减少额外的计算量;采用Davis顺序交叉法进行交叉操作,引入进化逆转变异法进行变异操作,补偿群体中多样性易损失的不足,同时能够提高算法的搜索效率,加快收敛速度。仿真实验结果表明,本算法构造的S盒在密码学性能、收敛速度和适应度值方面都有很好的改善。     

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.     

改进的遗传算法在TSP问题中的应用

针对旅行推销员问题的遗传算法进行大规模运算需要耗费很多时间,而且易造成局部最优的问题,通过改进典型遗传算法的交叉算子,提出一种改进的遗传算法,动态调整交叉和变异概率以降低染色体近亲繁殖的可能,有效地控制了进化过程。与其他算法相比,不仅有效地提高了算法的收敛速度,并且获得了更好的性能。用中国100个城市的TSP问题对提出的算法进行实验验证。实验结果表明,改进后的遗传算法相对于其他遗传算法具有更强的全局寻优性能和更少的收敛时间。     

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．     

基于蚁群算法的改进遗传算法

遗传算法具有快速全局搜索能力,但对于系统中的反馈信息却没有利用,往往导致无为的冗余迭代,求解效率低。根据这一缺陷提出一种将蚁群算法融合到遗传算法的新策略：为了弥补遗传算法中的变异算子变异过程中的盲目无原则性,将蚁群算法的正反馈思想引入到遗传算法中。利用蚁群算法信息素更新原则指导变异规则,有效地提高了算法的寻优效率,优化了解的质量。为了验证算法的有效性,对TSPLIB库中的两个公共实际事例eil51和gr202以及安徽省17个城市的数据进行了仿真实验,结果表明改进后的算法是有效的。     

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.     

谈遗传算法的改进策略

针对遗传算法的特点,给出了遗传算法的改进方法,并进行了较系统的分析和评述。     

遗传优化神经网络的一种改进算法

提出一种搜索算子．结合自适应交叉和变异算子,构成了遗传优化神经网络的一种改进算法。将这种算法用于一个算例的计算。与遗传优化BP算法相比较,发现遗传优化BP算法出现了网络瘫痪问题,改进算法则取得了较好的运算结果。     

一种改进混合遗传算法解决车间作业调度问题的研究

车间作业排序理论是生产管理与组合优化领域的重要研究方向,由于其固有的计算复杂性(NP-Hard),一般无法利用经典方法求出最优解.针对作业车间调度问题,提出一种求解作业车间调度问题改进的遗传算法.该算法对交叉算子和变异算子进行改进,并将遗传算法和启发式算法相结合,建立一种混合算法框架,能有效避免局部最优.通过实例的计算和分析,取得了良好的调度效果,论证了算法的有效性和稳定性.     

基于逆序与对偶组合算子的小生境遗传算法

在逆序算子和对偶算子的性能研究基础之上,设计了逆序与对偶组合遗传算子,增强了局部搜索性能．通过引入共享机制小生境技术,并且采用自适应策略,对种群的多样性进行有效保护。构造了一种基于逆序与对偶组合算子的小生境遗传算法,较好地解决了局部搜索与全局搜索之间的矛盾,保证了算法的全局收敛性．算例测试表明该算法具有较强的整体寻优能力．     

基于局部搜索机制快速求解TSP问题的自适应遗传算法

提出了一种基于局部搜索机制快速求解TSP的遗传算法.基于局部搜索机制,自适应地将标准遗传算法与局部启发式算法结合,使得局部启发式算法只在有效改善种群个体质量的情况下才允许执行,有效地避免了因局部搜索次数过多而引起的陷入局部最优和计算负担过重现象的发生.仿真结果表明,该算法具有较强的全局优化能力及较快的收敛速度,在求解TSP问题时有较高效率.