1、參考資料-頁眉頁腳可刪除人工智能實驗報告實驗六遺傳算法實驗II、實驗目的:熟悉和掌握遺傳算法的原理、流程和編碼策略，并利用遺傳求解函數優化問題，理解求解TSP問題的流程并測試主要參數對結果的影響。、實驗原理:旅行商問題，即TSP問題(Traveling Salesman Problem)是數學領域中著名問題之一。假設有一個旅行商人要拜訪n個城市，他必須選擇所要走的路徑，路經的限制是每個城市只能拜訪一次，而且最后要回到原來出發的城市。路徑的選擇目標是要求得的路徑路程為所有路徑之中的最小值。TSP問題是一個組合優化問題。該問題可以被證明具有 NPC十算復雜性。因此，任何能使該問題的求解得以簡化的方

2、法，都將受到高度的評價和關注。遺傳算法的基本思想正是基于模仿生物界遺傳學的遺傳過程。它把問題的參數用基因代表，把問題的解用染色體代表(在計算機里用二進制碼表示)，從而得到一個由具有不同染色體的個體組成的群體。 這個群體在問題特定的環境里生存競爭，適者有最好的機會生存和產生后代。后代隨機化地繼承了父代的最好特征，并也在生存環境的控制支配下繼續這一過程。群體的染色體都將逐漸適應環境，不斷進化，最后收斂到一族最適應環境的類似個體， 即得到問題最優的解。要求利用遺傳算法求解TSP問題的最短路徑。三、實驗內容：1、參考實驗系統給出的遺傳算法核心代碼，用遺傳算法求解TSP的優化問題，分析遺傳算法求解不同規

3、模 TSP問題的算法性能。2、對于同一個TSP問題，分析種群規模、交叉概率和變異概率對算法結果的影響。3、增加1種變異策略和1種個體選擇概率分配策略，比較求解同一TSP問題時不同變異策略及不同個體選擇分配策略對算法結果的影響。4、上交源代碼。內容作參考1參考資料頁眉頁腳可刪除內容作參考2四、實驗報告要求:1、畫出遺傳算法求解 TSP問題的流程圖。輸入適應度最高的解結束參考資料-頁眉頁腳可刪除2、分析遺傳算法求解不同規模的 TSP問題的算法性能。規模越大，算法的性能越差，所用時間越長。3、對于同一個TSP問題，分析種群規模、交叉概率和變異概率對算法結果的影響。(1)種群規模對算法結果的影響x01

4、.13.537844.592y1.13245.1844.592實驗次數：10 最大迭代步數：100 交叉概率：0.85 變異概率：0.15種群規模平均適應度值最優路徑1025.2644-5-8-7-6-3-1-0-9-2 12026.34282-9-1-0-3-6-7-5-8-43025.16521-3-6-7-5-8-4-2-9-05025.16520-1-3-6-7-5-8-4-2-98025.16529-0-1-3-6-7-5-8-4-210025.16521-0-9-2-4-8-5-7-6-3115025.16525-8-4-2-9-0-1-36720025.16521-3-6-7-5

5、-8-4-2-9-025025.16523-1-0-9-2-4-8-5-7-630025.16525-8-4-2-9-0-1-3-6-7如表所示，顯然最短路徑為 25.1652m,最優路徑為 1-0-9-1-3-6-7-5-8-4-2或 3-1-0-9-2-4-8-5-7-6,注意到這是一圈，順時針或者逆時針都可以。當種群規模為 10, 20時，并沒有找到最優解。因此并不是種群規模越小越好。(2)交叉概率對算法結果的影響x91.13.53.57844.532y1.13145.1318.591實驗次數：15種群規模：25最大迭代步數：100變異概率：0.15 實驗結果：交叉概畢最好適應度最差適應

6、度平均適應度最優解0.00128.044736.656732.60029-2-6-0-5-4-8-7-3-10.0127.093534.994332.14957-8-3-1-9-2-6-0-5-40.128.044735.303331.93727-3-1-9-2-6-0-5-4-80.1528.044734.117531.21830-5-4-8-7-3-1-9-2-60.228.710833.951230.90353-1-9-2-6-5-0-4-7-80.2528.044735.162330.74561-3-7-8-4-5-0-6-2-90.327.093531.994129.94288-3-

7、1-9-2-6-0-5-4-70.3527.093532.808530.99459-1-3-8-7-4-5-0-6-20.427.093532.531330.15341-3-8-7-4-5-0-6-2-90.4527.093533.201430.17578-3-1-9-2-6-0-5-4-70.528.093433.630730.90265-026-9-1-3-8-7-40.5527.093533.523329.13041-9-2-6-0-5-4-7-8-30.627.093533.251230.78363-1-9-2-6-0-5-4-7-80.6528.044733.700330.93715

8、-4-8-7-3-1-9-2-6-00.727.093532.092729.95029-1-3-8-7-4-5-0-6-20.7528.044732.448830.36990-5-4-8-7-3-1-9-2-60.827.093532.155129.93827-4-5-0-6-2-9-1-3-80.8527.093534.539930.35945-0-6-2-9-1-3-8-7-40.927.093532.627330.696-0-5-4-7-8-3-1-9-20.9527.093532.467229.9196-2-9-1-3-8-7-4-5-0(注:紅色表示非最優解)在該情況下，交叉概率過低

9、將使搜索陷入遲鈍狀態，得不到最優解。(3)變異概率對算法結果的影響x91.13.53.57844.532y1.13145.1318.591實驗次數：10 種群規模：25 最大迭代步數：100 交叉概率：0.85 實驗結果：變異概率最好適應度最差適應度平均適應度最優解0.00129.471734.73232.49110-6-2-1-9-3-8-7-4-5內容作參考4參考資料-頁眉頁腳可刪除一-0.0129.044634.659132.37148-4-5-0-2-6-9-1-3-70.128.093434.01130.94175-0-2-6-9-1-3-8-7-40.1527.093532.093

10、30.25686-0-5-4-7-8-3-1-9-20.227.093532.234930.31448-7-4-5-0-6-2-9-1-30.2527.093532.71830.15724-5-0-6-2-9-1-3-8-70.327.093532.448830.28540-5-4-7-8-3-1-9-2-60.3527.093533.316730.77481-3-8-7-4-5-0-6-2-90.429.044634.370531.30412-0-5-4-8-7-3-1-9-60.4527.093531.37429.68162-6-0-5-4-7-8-3-1-90.527.093532.37

11、5230.22112-9-1-3-8-7-4-5-0-60.5527.093533.381930.66231-3-8-7-4-5-0-6-2-90.628.093433.251230.361-3-8-7-4-5-0-2-6-90.6527.093532.749130.02013-1-9-2-6-0-5-4-7-80.728.710832.423830.7851-3-8-7-4-0-5-6-2-90.7527.093531.892830.24511-9-2-6-0-5-4-7-8-30.828.093431.613530.34719-1-3-8-7-4-5-0-2-60.8529.66233.239231.15852-9-1-3-7-8-4-0-5-60.928.044732.038730.41520-5-4-8-7-3-1-9-2-60.9528.044731.303630.00679-1-3-7-8-4-5-0-6-2從該表可知，當變異概率過大或過低都將導致無法得到最優解。4、增加1種變異策略和1種個體選擇概率分配策略，比較求解同一TSP問題時不同變異策略及不同個體選擇分配策略對算法結果的影響。不同變異策略和不同個體選擇分配策略幾乎不影