TSP (Traveling Salesman Problem)旅行商問題是一類典型的NP完全問題，遺傳算法是解決NP問題的一種較理想的方法。文章首先介紹了基本遺傳算法的基本原理、特點及其基本實現技術；接著針對TSP 問題，論述了遺傳算法在編碼表示和遺傳算子（包括選擇算子、交叉算子變異算子這三種算子）等方面的應用情況，分別指出幾種常用的編碼方法的優點和缺點，并且結合TSP的運行實例詳細分析了基本遺傳算法的4個運行參數群體大小、遺傳算法的終止進化代數、交叉概率、變異概率，對遺傳算法的求解結果和求解效率的影響，經過多次的測試設定出了它們一組比較合理的取值。最后，簡單說明了混合遺傳算法在求解TSP問題中的應用并對遺傳算法解決TSP問題的前景提出了展望。
遺傳算法是新發展起來的一門學科，各種理論、方法尚未成熟，有待于進一步地發展和完善，但它卻為我們解決許多復雜問題提供了希望。盡管在遺傳算法的研究和應用過程中出現許多難題，同時也會產生許多不同的算法設計觀點，然而，目前遺傳算法的各種應用實踐已經展現出了其優異的性能和巨大的發展潛力，它的發展前景激勵著各類專業技術人員把遺傳算法的理論和方法運用于自己的工作實踐中。我們相信，隨著研究工作的進一步深入和發展，遺傳算法必將在智能計算領域中起到關鍵作用。
貨郎擔問題(Traveling Salesman Problem ,TSP)，也稱為巡回旅行商問題，是一個較古的問題。最早可以追溯到1759年Euler提出的騎士旅行問題。TSP問題是一個典型的、容易描述但是難以處理的NP完全問題，同時TSP問題也是諸多領域內出現的多種復雜問題的集中概括和簡化形式。目前求解TSP問題的主要方法有啟發式搜索法、模擬退火算法、遺傳算法、Hopfield神經網絡算法、二叉樹描述算法。所以，有效解決TSP問題在計算理論上和實際應用上都有很高的價值，而且TSP問題由于其典型性已經成為各種啟發式的搜索、優化算法的間接比較標準(如遺傳算法、神經網絡優化、列表尋優(TABU)法、模擬退火法等)。遺傳算法就其本質來說，主要是解決復雜問題的一種魯棒性強的啟發式隨機搜索算法。因此遺傳算法在TSP問題求解方面的應用研究，對于構造合適的遺傳算法框架、建立有效的遺傳操作以及有效地解決TSP問題等有著多方面的重要意義。
以上是一部分介紹,如需要完整的資料或者如不符合您的要求,請聯系技術人員qq:242219979咨詢
上一篇：c語言文件系統設計
下一篇：jsp高校智能排課系統