遗传算法求解TSP问题实验报告.docx

遗传算法求解TSP问题实验报告
人工智能试验报告 试验六 遗传算法试验II 一、试验目的： 熟识和驾驭遗传算法的原理、流程和编码策略，并利用遗传求解函数优化问题，理解求解TSP问题的流程并测试主要参数对结果的影响。
二、试验原理： 9-1-3-8-7-4-5-0-6-2 1-3-8-7-4-5-0-6-2-9 8-3-1-9-2-6-0-5-4-7 5-0-2-6-9-1-3-8-7-4 1-9-2-6-0-5-4-7-8-3 3-1-9-2-6-0-5-4-7-8 5-4-8-7-3-1-9-2-6-0 9-1-3-8-7-4-5-0-6-2 0-5-4-8-7-3-1-9-2-6 7-4-5-0-6-2-9-1-3-8 5-0-6-2-9-1-3-8-7-4 6-0-5-4-7-8-3-1-9-2 6-2-9-1-3-8-7-4-5-0 （注:红色表示非最优解） 在该状况下，交叉概率过低将使搜寻陷入迟钝状态，得不到最优解。
（3） 变异概率对算法结果的影响 x 9 7 8 4 3 2 y 3 1 4 3 1 9 1 试验次数：10 种群规模：25 最大迭代步数:100 交叉概率： 试验结果： 变异概率 最好适应度 最差适应度 平均适应度 最优解 0-6-2-1-9-3-8-7-4-5 8-4-5-0-2-6-9-1-3-7 5-0-2-6-9-1-3-8-7-4 6-0-5-4-7-8-3-1-9-2 8-7-4-5-0-6-2-9-1-3 4-5-0-6-2-9-1-3-8-7 0-5-4-7-8-3-1-9-2-6 1-3-8-7-4-5-0-6-2-9 2-0-5-4-8-7-3-1-9-6 2-6-0-5-4-7-8-3-1-9