为问题的满意解或最优界。停止条件有两种：一是完成了预先给定的进化代数则停止；二是种群中的最优个体在连
续若干代没有改进或平均适应度在连续若干代基本没有改进时停止。遗传算法过程图如图1：
开始初始化种群计算适应度值
选择操作交叉操作变异操作条件停止适应度最优群体
结束
图1：遗传算法过程框图
3遗传算法MATLAB代码实现
遗传算法中控制参数如下：Clist城市的坐标，dislist城市距离矩阵，i
初始种群的大小，g
max最大代数，pc交叉概率pm变异概率。31开始准备
先读入文件，读入574个城市坐标读入矩阵，并计算城市距离。如代码：
32初始化种群
f遗传算法对求解问题本身是一无所知的，这里采用随机生成初始化种群，如下：计算适应度值，适应度值是根据适应度函数来计算的，如适应度函数代码如下：
33选择操作选择的目的是为了从当前群体中选出优良的个体，使它们有机会作为父代产生后代个
体，如代码：
34交叉操作
f许多生物的繁衍是通过染色体的交叉完成的，在遗传算法中使用这一概念，并把交叉作为遗传算法的一个操作算子，其实现过程是对选中用于繁殖下一代的个体，随机地选择两个个体的相同位置，按交叉概率Pc，在选择的位置实行交换，目的在于产生新的基因组合，即新的个体（这里由于源代码太多不列出）35变异操作
是按一定概率随机改变某个个体的基因值，以变异概率Pm对某个个体的某些位执行变异，在变异时，对执行变异的串的对应位求反，如代码：
最后根据具体条件判断是否返回或是继续，最后当满足条件是输出适应度最优群体。
4实验分析
实验硬件环境为普通笔记本电脑，内存2GB，CPU频率20GHz。软件环境为Wi
dowsXPProfessio
alSP3操作系统，Matlab71。实验对象是574个城市的旅行商问题。
读入574个城市的坐标，如图1：
图1：574个城市坐标的两种显示
41改变种群数量的对比当参数设置为种群大小为100，最大迭代次数2000，交叉概率085，变异概率为005的
时候对574个城市求解，如图2。当参数设置为种群大小为50，最大迭代次数2000，交叉概率085，变异概率为005的
时候对574个城市求解，如图3。当参数设置为种群50，最大迭代次数为5000，交叉概率085，变异概率为005的时候
f对574个城市求解，如图4
图2：种群为100最大迭代次数为2000的TSP问题求解结果
图3：种群为50最大迭代次数为2000的TSP问题求解结果
图4：种群为50最大迭代次数为5000的TSP问题求解结果
通过上述种群大小可知迭代越大求解的结果越优化，但是确花费了大量时间，种群越大
fr