一个求解有时限TSP问题的演化算法

为求出有时限TSP问题的最优解,文章采用基于演化计算的群体搜索技术,算法中引入了最差个体淘汰机制,将时限与每一条回路一起并入到适应函数中进行演化.实验表明,该算法能有效地找到全局最优解.     

遗传算法及其在TSP问题中的应用

遗传算法是一种模拟自然界生物进化过程的随机搜索算法;遗传算法目前已经在组合优化、机器学习和并行处理等领域得到了越来越广泛的应用;文章对遗传算法的理论与应用进行了一些研究和分析,介绍了遗传算法的理论,以及它在鸭P问题中的应用。     

演化计算综述

介绍了演化计算的基本思想、特点及主要分支。在统一的框架下给出了演化算法的设计方法和基本结构。最后讨论了演化计算的发展前景。     

遗传算法求解TSP问题的研究

针对组合优化中的TSP问题,分析了遗传算法的特点,设计了遗传算法的编码、交叉、变异及进化逆转算子,克服了遗传算法容易出现局部收敛的现象,并使用Matlab实现了这一算法,将其应用于山东省17个城市的TSP问题,通过计算结果分析验证了该遗传算法的有效性。     

一遗传算法求解 TSP 问题的研究

针对组合优化中的TSP问题,分析了遗传算法的特点,设计了遗传算法的编码、交叉、变异及进化逆转算子,克服了遗传算法容易出现局部收敛的现象,并使用Matlab实现了这一算法,将其应用于山东省17个城市的TSP问题,通过计算结果分析验证了该遗传算法的有效性。     

改进遗传算法求解TSP问题的Matlab程序设计

本文用改进遗传算法求解TSP问题,编制了完整的Matlab程序予以仿真实现。程序中选择算子使用的是最佳个体保存与赌轮选择相结合的策略,文章最后分析了最佳个体保持比例对寻优效果的影响。     

解决TSP问题的一种改进遗传算法

TSP是一个典型的组合优化问题,也是一个NP难题,其可能的路径总数是随着城市数目n的增长而成几何型增长的,所以一般很难准确地求出其最优解,因而寻找出有效的近似求解算法就成了解决此问题的最佳方法。文章首先介绍了在初始化阶段经行改进的遗传方法。通过把改进方法同标准的遗传算法相比较,得出改进遗传算法在性能上有改进。最后,我们还分析了实验结果并提出了评价初始解优劣的一个指标函数——局部相似度函数,并给出了函数的具体表达式。     

演化计算的诠释

本文首先简要地综述了演化计算的发展历程以及几个主要分支。接着归纳了演化计算的基本步骤,然后说明了演化计算研究的主要内容,并对其前景进行了展望。     

基于K-均值聚类的TSP演化算法

提出一种基于K-均值聚类的TSP演化算法。该算法利用K-均值聚类技术,将TSP分为一些简单的TSP问题。在寻求最短路径时,首先所有结点用其聚类中心去代替,以聚类中心为结点构造TSP演化算法;其次,对于每一聚类,可寻求其距前面的聚类和后面的聚类最近的两结点之间的最短距离,若其中的结点较多,则再次演化得到其最短路径,若结点较少,则可用warshall算法可得到最短路径;最后对获得的最短路径进行剪接操作,可得到其更优解。     

TSP问题的演化算法求解

该文针对遗传算法在解决排序优化时,交叉操作会导致非法染色体出现,必须使用一些较为复杂的方法加以解决,从而使得计算量增大的问题,提出了一种改进的遗传算法,取消交叉操作,强化变异作用.既简化了遗传操作,又克服了早熟现象,较为成功地解决了TSP问题.     

演化计算及其在化学中的应用

近十几年来,一类称之为演化计算的算法已日渐趋于成熟,并在许多领域之中得以应用.这类算法吸收了生物演化的思想,并借鉴了生物的自然选择和遗传进化机制,可以认为它们是一种宏观意义下的仿生学算法.这类算法可以成为化学信息分析与处理的一种有效工具.     

演化计算在密码布尔函数设计中的应用

密码学中的大量问题在数学上可以表现为困难的优化问题。而演化计算是用计算机模拟大自然的演化过程,特别是生物进化过程来求解困难优化问题的一类计算模型。该文将演化计算应用于密码学领域,采用演化计算的方法来设计密码函数,与传统的数学设计方法相比,该方法可自动生成高密码特性的密码函数。     

人工免疫进化计算在故障检测中的应用

将人工免疫系统的克隆选择原理结合思维进化思想,提出了一种人工免疫进化计算模型。该模型中利用克隆选择原理对故障模式进行模式学习和识别,利用思维进化思想定义了免疫趋同算子和免疫异化算子来对抗体进行扩增和抑制。将其应用在模拟机组的状态识别,试验结果表明,所提出的模型对状态检测有较高的准确率。     

遗传算法求解旅行商问题的一个新方法

提出了利用遗传算法求解TSP问题的一个新方法,该方法采用二进制编码,并巧妙地设计了一种解码算法,不仅可以使得种群进化,而且扩大了搜索的空间。实验表明,比起传统的遗传算法,新方法的性能有显著改善。     

求解TSP问题的几种算法比较

旅行售货商问题(简称TSP)是离散优化的一个经典的重要问题,对求解算法的研究非常重要。在介绍求解TSP问题的贪婪算法、禁忌搜索算法、模拟退火算法、遗传算法的基本思想之后,提出了相应的算法。针对测试库的四个典型算例,用程序实现这些算法,对这些算法的运行时间和结果进行比较研究。结果表明贪婪算法短时间就可以得出解,禁忌搜索算法与遗传算法的效果相当,模拟退火算法比遗传算法的结果好。     

基于遗传算法求解TSP问题的算法设计

TSP是一个典型的组合优化问题,并且是一个NP难题,其可能的路径总数与城市数目n是成指数型增长的,所以一般很难精确地求出其最优解,因而寻找出有效的近似求解算法就具有重要的意义.现提出一种求解TSP问题比较有效的遗传算法,从其数学模型、遗传算子、评估函数、种群多样性等方面对算法进行了分析,结果表明提出的算法在求解TSP问题上是有效的.     

遗传算法编程求解TSP问题

利用基本遗传算法的思路解决旅行商问题,选择仍然采用轮盘选择方法;交叉算法采用一个启发式交叉算法,交叉位置随机,该算法以一定的概率生成一个比父代好的解,交叉概率取0.1;变异概率0.005。经多次运行,求得最优值。停止法则为循环最大遗传代数为止,另外如果30代解没有改进则停止。编程环境为Mat-lab6.5。