遗传算法求解TSP问题（Python）

ps：介于本咸鱼最近才有想翻身的念头，原理什么的就不写了，网上一搜一大堆。对了，本咸鱼因为忘了c的大部分内容，加上刚学python，所以代码看起来很不简练。希望各位大佬不吝赐教。这些代码也是参考其他博客写的。

# GA.py
import numpy as np
import matplotlib.pyplot as plt
import math
import random# 交叉概率
pc = 0.8
# 变异概率
pm = 0.15
# 进化数
evolution = 500
# 城市数
city_num = 40
# 城市坐标范围
x_port = 1000
y_port = 1000
# 种群数
size = 500# 随机生成城市坐标
city_x, city_y = np.random.randint(0, x_port, city_num), np.random.randint(0, y_port, city_num)
# 生成距离矩阵
Distance = np.zeros([city_num, city_num])
for i in range(city_num):for j in range(city_num):Distance[i][j] = math.sqrt((city_x[i] - city_x[j]) ** 2 + (city_y[i] - city_y[j]) ** 2)# 适应度函数
def get_distance(path):distance = 0for i in range(len(path)-1):distance += Distance[path[i], path[i+1]]distance = distance + Distance[path[len(path)-1], 0]return distance# 初始化种群
def get_races(size):races = []for i in range(size):races.append(np.random.permutation(city_num))return races# 选择
def tournament(old_races, size):pool = []for _ in range(size):i, j = np.random.randint(0, size, 2)if get_distance(old_races[i]) < get_distance(old_races[j]):pool.append(old_races[i])else:pool.append(old_races[j])return pool# 交配
def crossover(pool, city_num):new_races = []while len(new_races) < len(pool):i1, i2 = np.random.randint(0, len(pool), 2)p1 = pool[i1].copy()p2 = pool[i2].copy()# 概率大于pc就直接加入新种群，小于就进行交叉if np.random.random() > pc:new_races.extend([p1, p2])else:# 交叉p1, p2 = cross(p1, p2, city_num)# 概率小于pm就进行变异if np.random.random() < pm:# 变异p1 = variation(p1, city_num)p2 = variation(p2, city_num)new_races.extend([p1, p2])return new_races# 变异
def variation(path, city_num):i1, i2 = random.sample(range(0, city_num - 1), 2)path[i1], path[i2] = path[i2], path[i1]return path# 交叉
#交叉这部分代码高度重复，可惜本咸鱼能力有限，没想到怎么解决，希望各位大佬在评论区给出解决方案
def cross(p1, p2, city_num):i1 = random.randint(0, city_num - 2)i2 = random.randint(i1 + 1, city_num - 1)temp1 = p2[i1:i2]temp2 = p1[i1:i2]p1len = 0p2len = 0newp1 = []newp2 = []for i in p1:if p1len == i1:newp1.extend(temp1)p1len += 1if i not in temp1:newp1.append(i)p1len += 1for j in p2:if p2len == i1:newp2.extend(temp2)p2len += 1if j not in temp2:newp2.append(j)p2len += 1return newp1, newp2

# main.py
from GA import *def main():races = get_races(size)len = []for i in range(evolution):pool = tournament(races, size)races = crossover(pool, city_num)result = min([get_distance(j) for j in races])len.append(result)print('最终路线为：{}'.format(races[-1]))print('最终距离为：{:.2f}'.format(len[-1]))# 最终路线的城市坐标final_path = races[-1]final_path_x = []final_path_y = []for i in range(city_num):final_path_x.append(city_x[final_path[i]]), final_path_y.append(city_y[final_path[i]])final_path_x.append(city_x[final_path[0]])final_path_y.append(city_y[final_path[0]])# 绘制城市路线图plt.figure(1)plt.plot(final_path_x, final_path_y, 'o')plt.plot(final_path_x, final_path_y)plt.title('City')plt.xlabel('City_x')plt.ylabel('City_y')# 绘制进化次数-距离图plt.figure(2)plt.plot(len)plt.title('Total Distance')plt.xlabel('evolution')plt.ylabel('distance')plt.show()if __name__ == '__main__':main()

遗传算法求解TSP问题（Python）相关推荐

基于遗传算法求解TSP问题（旅游路径规划，Python实现，超详细，可视化，结果分析）
ps:作者是很用心写的,如果觉得不错,请给作者一点鼓励噢!(点赞收藏评论噢) 基于遗传算法求解TSP问题摘要巡回旅行商问题(TSP)是组合优化中的经典问题.常见的TSP问题求解算法例如穷举法.贪心 ...
人工智能导论——遗传算法求解TSP问题实验
一.实验目的: 熟悉和掌握遗传算法的原理.流程和编码策略,并利用遗传算法求解组合优化问题,理解求解TSP问题的流程并测试主要参数对结果的影响. 二.实验原理: 旅行商问题,即TSP问题(Traveli ...
局部搜索、模拟退火和遗传算法求解TSP问题
模拟退火和遗传算法求解TSP问题源代码传送门:GITHUB 数据传送门:TSPLIB 文章目录模拟退火和遗传算法求解TSP问题摘要 1 导言 1.1 问题重述 1.2 TSP问题选择 1.3 思 ...
【建模算法】基于遗传算法求解TSP问题（matlab求解）
[建模算法]基于遗传算法求解TSP问题(matlab求解) TSP (traveling salesman problem,旅行商问题)是典型的NP完全问题,即其最坏情况下的时间复杂度随着问题规模的增 ...
【老生谈算法】matlab实现遗传算法求解TSP问题——TSP问题
遗传算法求解TSP问题MATLAB实现 1.文档下载: 本算法已经整理成文档如下,有需要的朋友可以点击进行下载序号文档(点击下载) 本项目文档 [老生谈算法]遗传算法求解TSP问题MATLAB实现 ...
【运筹优化】GA遗传算法求解TSP问题(Java实现)
文章目录代码 Genome基因类 GeneticAlgorithm_TSP遗传算法类运行结果代码 Genome基因类 import lombok.Data; import lombok.NoAr ...
【Matlab】遗传算法求解TSP问题
[Matlab] 遗传算法求解TSP问题文章目录 [Matlab] 遗传算法求解TSP问题前言一.问题描述二.实验设计 1.问题案例 2.读入数据 3.适应度计算 4. 选择子代 5. 结果输 ...
基于遗传算法求解TSP问题（JAVA）
一.TSP问题 TSP问题(Travelling Salesman Problem)即旅行商问题,又译为旅行推销员问题.货郎担问题,是数学领域中著名问题之一.假设有一个旅行商人要拜访n个城市,他必须选 ...
遗传算法求解TSP问题（python版）
简介改进和实现遗传算法,用以对旅行商问题(TSP问题)进行建模和近似求解,从而深入对启发式算法的理解. 算法流程遗传算法解决TSP的流程是以下几部分:初始化种群.计算适应度函数.选择.交叉.变异然 ...
【人工智能导论】遗传算法求解TSP问题（含源码github）
源程序:Github链接 Symmetric traveling salesman problem (TSP) Given a set of n nodes and distances for eac ...

遗传算法求解TSP问题（Python）

遗传算法求解TSP问题（Python）相关推荐

最新文章

热门文章