改進(jìn)的遺傳算法求解tsp問題的應(yīng)用與研究

《改進(jìn)的遺傳算法求解tsp問題的應(yīng)用與研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、苗；－Ｊ唯ＩＶ－ｃ＇；Ｖ％＞－：＼、；ｃ燃號(hào)稽￡－密．．；．ｔ羣種ｉ－＾Ｃ學(xué)１’．；巧寧；巧—．：。，當(dāng)輯，與—？瑪／－：＇．．－，．．‘ｆ．＇；：，－Ｖ＾；豪瓊＼＼亦ｒ轉(zhuǎn)Ｓ爲(wèi)＾乂爹占動(dòng)Ｆ－＾Ｖ心’＂－Ｉ種＞＼５心＇旁ＷＫＶ巧巧Ｉ％子，ｆＪｘ么Ｓ＼Ｉ．ｒＣ化Ｓ化＾ＭＳＷｒＳｅＬ－．；ｖ：．＇－’Ｉ藝＾苗＇：ｊｔ＾ｍ＇論妃ｒ雜化錯(cuò)解＾題、智ｔ＇游．管；．＂．、，－．．＾＾究ｆ．：＼，＼．－ｔ．「ｍ心＇：．錠ｙｉ

2、一＇：ｕ．乙．＂！？ｒ壽ｍ＃：．．ｖ．，ｔｖ詳．讀－．虜髮這＇串請(qǐng)類別＾碩占義ｒＶ；．Ｔ；＼■．專業(yè)稱聲‘：對(duì)機(jī)獻(xiàn)ｖ—’旁．；Ｔ毒＾研究完生名鱗海明ｒ１！‘：巧‘柏－據(jù)ｒ導(dǎo)師姓巧；削升教受；觀．．．．．．．ｆＫ、．、？ｗ－．＜ｒ．－：，＇ｔ■＾再／；續(xù)＾一吧．＂追二ｆｇ．Ｆ，．‘ｒ．ｉ，；１辟冷，．；‘設(shè)．．車．．ｌｆ作滬｜；單考妃藤．皆ｍ，把心餐＾．＃＾分類號(hào)：密級(jí)：

3、ＵＤＣ：學(xué)號(hào)：碩±學(xué)位論文ＴＳＰ與研究改進(jìn)的遺傳算法求解問題的應(yīng)用ＡａｃｏｏｅｅｎｅｃｏｌｉｃａｔｉｏｎａｎｄＲｅｓｅｒｈｆＩｍｒｖｄＧｔｉＡｌｒｉｔｈｍｉｎｐｇｐｐＴＰＰｒｂｌｅｍＳｏ學(xué)位類ｉｒ別：工程碩作者姓：葛海明名工程領(lǐng)域：計(jì)算機(jī)技術(shù)研：數(shù)據(jù)挖掘究方向指導(dǎo)教師：劉發(fā)升教授＾０年月日＾３成０江西理工大學(xué)碩士學(xué)位論文摘要旅行商問題是一個(gè)經(jīng)典組合優(yōu)化方面的問題。隨著城市集群的規(guī)模迅猛增長(zhǎng)，旅行商問題在搜索空間里變得越來越難尋找最

4、優(yōu)解。同時(shí)，過于冗余的改進(jìn)算法給程序帶來更多的負(fù)面影響。因此，尋找一個(gè)高效和便捷的遺傳算法計(jì)算框架成了眾多學(xué)者的研究重點(diǎn)。對(duì)于旅行商問題這類完全問題，遺傳算法具有全局搜索的優(yōu)勢(shì)，而它的局部搜索能力不足以及收斂速度緩慢。在傳統(tǒng)精確算法中，它們多為局部搜索算法，一般得到局部較優(yōu)解，即對(duì)小范圍的城市群能夠準(zhǔn)確求出近似解。因此，近年來不斷改進(jìn)的遺傳算法有通過和傳統(tǒng)算法相結(jié)合成混合算法來改進(jìn)，以便達(dá)到優(yōu)勢(shì)互補(bǔ)。除此之外，它也有借助相關(guān)策略的改進(jìn)來提高遺傳算法的性能。在改進(jìn)算法中，鮮有人突出提出對(duì)于城市信息預(yù)處理來克服那些不足，有

5、的是基于數(shù)據(jù)挖掘算法中的k均值聚類算法與遺傳算法的混合算法的提出。聚類算法是以迭代時(shí)間的巨大代價(jià)來換取遺傳算法處理能力的提高。本文出發(fā)點(diǎn)依然是圍繞傳統(tǒng)遺傳算法解決旅行商問題所遇到的兩大問題，采取一種直接劃分地圖而形成區(qū)域網(wǎng)格的簡(jiǎn)單方式，通過劃分處理城市信息數(shù)據(jù)進(jìn)而改進(jìn)路徑編碼。改進(jìn)的遺傳算法是將原來城市群的坐標(biāo)數(shù)據(jù)根據(jù)地圖區(qū)域網(wǎng)格單位的劃分進(jìn)行數(shù)據(jù)信息預(yù)處理而達(dá)到地圖壓縮和提煉有用信息的目的。改進(jìn)的遺傳算法基于對(duì)于原始數(shù)據(jù)進(jìn)行域規(guī)則的數(shù)據(jù)預(yù)處理，提出了一種對(duì)傳統(tǒng)路徑編碼，以及諸算子改進(jìn)的遺傳算法。改進(jìn)的遺傳算法的數(shù)據(jù)預(yù)

6、處理將根據(jù)地圖區(qū)域化特點(diǎn)進(jìn)行網(wǎng)格區(qū)域劃分處理，且采用提前培育的局部?jī)?yōu)秀基因塊,再與整體相結(jié)合完成分階段初始化。同時(shí)，區(qū)域劃分必然存在鄰近區(qū)域，進(jìn)而有了對(duì)于諸算子的發(fā)生位置的指導(dǎo)以及發(fā)生概率的影響。后續(xù)依托數(shù)據(jù)預(yù)處理階段處理得到的結(jié)果信息對(duì)初始種群算子，以及選擇、交叉和變異等算子進(jìn)行相應(yīng)的改進(jìn)。正因?yàn)樗\(yùn)用類似聚類的算法劃分，與數(shù)據(jù)挖掘算法的混合算法相比較而言，前期處理變得簡(jiǎn)單。研究實(shí)現(xiàn)結(jié)果表明，通過對(duì)城市數(shù)據(jù)進(jìn)行域規(guī)則的預(yù)處理以及配套的策略相結(jié)合，可提高遺傳算法的收斂速度和精確度。關(guān)鍵詞：數(shù)據(jù)預(yù)處理；鄰近域；路徑域混合

7、編碼；遺傳算法；旅行商問題IAbstractAbstractTravelingsalesmanproblemisaclassiccombinatorialoptimizationproblems.Withtherapidgrowthofcityclusterssize,thetravelingsalesmanprobleminsearchspacebecomesmoreandmoredifficulttofindtheoptimalsolution.Atthesametime,theimprovedalgorithmi

8、stooredundantmorenegativeimpacttotheprogram.Therefore,manyscholarslookforgeneticalgorithm,whichisanefficientandconvenientcomputingframework.Geneticalgorithmhastheadva