遗传算法求解TSP问题实验报告.docx

人工智能实验报告
实验六遗传算法实验II
实验目的：
熟悉和掌握遗传算法的原理、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。
二实验
旅行商问题，即TSP问题(Travelin
0-5-4-8-7-3-1-9-2-6




3-1-9-2-6-5-0-4-7-8




1-3-7-8-4-5-0-6-2-9




8-3-1-9-2-6-0-5-4-7




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
()主:红色表示非最优解)
在该情况下，交叉概率过低将使搜索陷入迟钝状态，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
实验次数：10
种群规模：25
最大迭代步数：100
交叉概率：
实验结果：
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




2-9-1-3-8-7-4-5-0-6




1-3-8-7-4-5-0-6-2-9




1-3-8-7-4-5-0-2-6-9




3-1-9-2-6-0-5-4-7-8