人工智能实验三实验报告
班级：
姓名学号：
一实验题目
TSP问题的遗传算法实现旅行商问题（Traveli
gSalesma
ProblemTSP，又译为旅行推销员问题、货担郎问题简称为TSP问题，是最基本的路线问题。假设有
个可直达的城市，一销售商从其中的某一城市出发不重复地走完其余
1个城市并回到原出发点，在所有可能的路径中求出路径长度最短的一条。应用遗传算法求解3010个节点的TSP（旅行商问题问题，求问题的最优解
二实验目的
1熟悉和掌握遗传算法的基本概念和基本思想；2理解和掌握遗传算法的各个操作算子，能够用选定的编程语言设计简单的遗传优化系统；3通过实验培养学生利用遗传算法进行问题求解的基本技能
三实验要求
1掌握遗传算法的基本原理、各个遗传操作和算法步骤2要求求出问题最优解，若得不出最优解，请分析原因；3对实验中的几个算法控制参数进行仔细定义并能通过实验选择参数的最佳值；4要求界面显示每次迭代求出的局部最优解和最终求出的全局最优解。
四数据结构
请说明染色体个体和群体的定义方法。structRa
SeTi染色体的个体的定义方法｛
i
tcitycities基因的排列即城市的顺序，路径的组织i
tadapt记录适应度doublep记录其在种群中的幸存概率Ra
SeTi［
um，Ra
SeTitemp
um用数组来存储染色体群体方法
五实验算法
1说明算法中对染色体的编码方法，适应度函数定义方法1染色体的编码方法：即为染色体个体定义过程中生成的基因排列（路径中城市的顺序）
fstructRa
SeTi染色体的个体的定义方法｛
i
tcitycities；基因的排列即城市的顺序，路径的组织）i
tadapt记录适应度doublep；记录其在种群中的幸存概率Ra
SeTi［
um，Ra
SeTitemp
um］用数组来存储染色体群体方法
2）适应度函数定义方法评价函数即适应度函数在遗传算法中用来计算一个染色体优劣的函数。在进
行遗传操作和种群进化的时候，每个染色体的适应值是决定它是否进入下一轮种群
进化的关键因素适应值高的函数被选作新一代个体的可能性就会大。TSP问题中适应度函数常取路径长度的倒数（或倒数的相关函数，如
1
fx1x2x
Ndxixi1dx
x1
i1
其中，N是个调节参数，根据实验情况进行确定。for（i0；i〈
um；i｛
sumdista
ce0for（j1；jcities；j）｛
1Ra
SeTi［i］cityj1］；
2Ra
SeTi［i］city［j；sumdista
cedista
ce
1［
2］；｝Ra
SeTi［iadaptsumdista
ce；每条染色体的路径总和biggestsumsumdista
ce；种群的总路径
2采用的选择、交叉、变异操作算子的r