改进遗传算法在求解TSP问题上的应用研究

doi:10.3778/j.issn.1002-8331.2009.33.015

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (33): 45-47.DOI: 10.3778/j.issn.1002-8331.2009.33.015

改进遗传算法在求解TSP问题上的应用研究

陶利民¹，郭俊恩²

1.杭州师范大学信息科学与工程学院，杭州 310036
2.洛阳理工学院计算机与信息工程系，河南洛阳 471023

收稿日期:2008-10-28 修回日期:2009-01-16 出版日期:2009-11-21 发布日期:2009-11-21
通讯作者: 陶利民

Application of solving TSP based on improved genetic algorithm

TAO Li-min¹，GUO Jun-en²

1.School of Information Science and Engineering，Hangzhou Normal University，Hangzhou 310036，China
2.Department of Computer and Information Engineering，Luoyang Institute of Science and Technology，Luoyang，Henan 471023，China

Received:2008-10-28 Revised:2009-01-16 Online:2009-11-21 Published:2009-11-21
Contact: TAO Li-min

摘要/Abstract

摘要： 遗传算法是一种比较成熟的智能算法，一般通过改进遗传算法的算子达到提高算法性能的目的。提出一种改进的遗传算法，遗传算子是基于近邻选择策略设计的，另外还对评估函数、种群多样性以及保留精英算子等方面对遗传算法进行了改进，并将其应用到旅行商问题的求解上，实验结果表明提出的算法是有效的。

关键词: 遗传算法, 智能算法, 近邻选择策略, 遗传算子, 旅行商问题

Abstract: Genetic algorithm is a kind of more mature intelligent algorithm，which is generally improved by enhancing the operator of genetic algorithm.The paper proposes an improved genetic algorithm.Its genetic operator is designed based on neighbor choosing strategy.Besides，the genetic algorithm is improved in the evaluation function，variety of populations，saving the elite operator etc.And then it is applied to traveling salesman problem.The experiment result indicates that the improved genetic algorithm is effective.

Key words: genetic algorithm, intelligent algorithm, neighbor choosing strategy, genetic operator, traveling salesman problem

中图分类号:

TP311

陶利民¹，郭俊恩². 改进遗传算法在求解TSP问题上的应用研究[J]. 计算机工程与应用, 2009, 45(33): 45-47.

TAO Li-min¹，GUO Jun-en². Application of solving TSP based on improved genetic algorithm[J]. Computer Engineering and Applications, 2009, 45(33): 45-47.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	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.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	张琳，汪廷华，周慧颖. 基于群智能算法的SVR参数优化研究进展[J]. 计算机工程与应用, 2021, 57(16): 50-64.
[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]	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.

改进遗传算法在求解TSP问题上的应用研究

Application of solving TSP based on improved genetic algorithm

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