旅行推销员 - 进化算法

Travelling Sales Person - Evolutionary Algorithm

我了解进化算法的工作原理。我已经写了一个找到 n 维方程的最大值 space.

我可以看到一个问题使用相同的设计来解决 TSM 问题。 当我使用交叉甚至突变时,我可能会创建一个去同一个城市两次的个体,或者不会访问每个城市。

我可以采取哪些措施来确保人口中的每个人只访问每个城市一次?也就是说,每个人都是有效答案。

解决这个问题的一个常用技术是施加一个"penalty",其中,任何具有任何未访问过的城市的染色体都会被添加惩罚。例如,如果一条染色体有五个未访问过的城市,则将 5 倍的惩罚加到染色体适应度分数上。在这种情况下,任何没有访问过城市的染色体,逐渐从种群中移除,并允许其他(零个没有访问过的城市)个体保留在种群中。

您不能使用用于查找方程最大值的相同设计模式并将其应用于 TSP 问题。原因是两个问题之间的染色体编码/解码不同。 对于数值方程问题,根据问题的类型,大部分染色体可以解码为 "real value" / "binary value"。但是,对于 TSP 问题,我们必须使用 "permutation" 编码。这种排列编码主要用于"Combinatorial optimization"(https://en.wikipedia.org/wiki/Combinatorial_optimization)

下面是一个很好的 GA 编码技术参考站点: http://www.obitko.com/tutorials/genetic-algorithms/encoding.php

这个"permutation encoding/decoding"背后的想法是:给定一个包含n个城市的列表,表示为c1,c2,...,cn;染色体将被编码为旅行推销员旅行过的这些城市的顺序(例如染色体= c1, c2, ..., cn)。通过对该染色体应用排列,您可以为种群生成不同的染色体,GA 算子将从这里开始。把染色体编码成这样可以避免一个城市被多次访问的问题!

由于你没有提到任何数据结构或首选编程语言,所以我不能post这里的源代码。如果您仍然想要一些工作版本的示例,可以通过电子邮件与我联系。

一种方法是使用双点有序交叉。这种类型的交叉从单个 parent 创建一个 child。选择了两个parent,并选择了染色体上的两个随机点。点之间的基因传递给child。其余基因从同一个 parent 中转移,但按照它们在第二个 parent 中出现的顺序。结果是 child 包含来自单个 parent 的所有值,但包括来自两个 parent 的排序和特征。

此处显示了使用此类运算符求解 TSP 的两个示例;

http://johnnewcombe.net/blog/gaf-part-4/

http://johnnewcombe.net/blog/gaf-part-7/

这些示例中的第一个使用整数来引用城市,第二个示例通过使用基于 object 的基因将城市存储在染色体中来简化这一点。