求解TSP问题的混合遗传算法

doi:10.3778/j.issn.1002-8331.2009.14.017

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (14): 60-62.DOI: 10.3778/j.issn.1002-8331.2009.14.017

求解TSP问题的混合遗传算法

袁琦钊¹,朱云飞^1,2,郑金华¹

1.湘潭大学信息工程学院，湖南湘潭 411105
2.中南大学信息科学与工程学院，长沙 410083

收稿日期:2008-03-27 修回日期:2008-06-03 出版日期:2009-05-11 发布日期:2009-05-11
通讯作者: 袁琦钊

Hybrid genetic algorithm for TSP

YUAN Qi-zhao¹,ZHU Yu-fei^1,2,ZHENG Jin-hua¹

1.Institute of Information Engineering，Xiangtan University，Xiangtan，Hunan 411105，China
2.College of Information Science and Engineering，Central South University，Changsha 410083，China

Received:2008-03-27 Revised:2008-06-03 Online:2009-05-11 Published:2009-05-11
Contact: YUAN Qi-zhao

摘要/Abstract

摘要： TSP问题是一类经典的NP问题，目前有很多方法对其求解，而用混合遗传算法对其求解取得了很好的成效。常见的混合遗传算法有遗传算法与最速下降法相结合（GACSDM）、遗传算法与模拟退火法相结合（SAGA）。设计了贪婪的复合变异算子（GCM），并引入隔代爬山法算子（Climb）增加遗传算法的局部搜索能力。实验结果表明该算法是有效的。

关键词: 旅行商问题, 遗传算法, 最速下降法, 模拟退火法, 贪婪的复合变异算子, 爬山法

Abstract: Traveling Salesman Problem（TSP） is a classical kind of nondeterministic polynomial completeness.Now these are many ways that can solve it，but a hybrid genetic algorithm is useful way for TSP.The normal hybrid genetic algorithms include genetic algorithm combined with steepest descent method and simulated annealing genetic algorithm.In the text，a greedy composite operator and climb operator are introduced for increasing the local searching ability.The experiment result demonstrates that the method is valid and effective.

Key words: Traveling Salesman Problem（TSP）, genetic algorithm, steepest descent method, simulated annealing genetic algorithm, greedy composite operator, climb

袁琦钊¹,朱云飞^1,2,郑金华¹. 求解TSP问题的混合遗传算法[J]. 计算机工程与应用, 2009, 45(14): 60-62.

YUAN Qi-zhao¹,ZHU Yu-fei^1,2,ZHENG Jin-hua¹. Hybrid genetic algorithm for TSP[J]. Computer Engineering and Applications, 2009, 45(14): 60-62.

[1]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[2]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[3]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[4]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[5]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[6]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[7]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[8]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[9]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[10]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[14]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[15]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.

求解TSP问题的混合遗传算法

Hybrid genetic algorithm for TSP

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics