C++实现的人工智能原理实验：遗传算法实现TSP算法源代码+实验报告

## 1、遗传算法思路及步骤 ``` （1）编码 ： 整数排列编码 （2）种群初始化 (3) 适应度函数:走遍n个城市，再回到出发城市的距离的倒数，目的：选择适应度函数大的染色体 （4）选择操作：从旧群体中以一定概率选择个体到新群体中，个体适应度值越大，越容易被选择 （5）交叉操作：部分映射杂交，父代两两分组，每组重复以下操作 <1>产生两个[1,n]区间内随机的整数r1,r2,确定2个位置，对两位置中间数据进行交叉 <2>交叉后，同一个个体有重复的城市编号，则部分映射的方式消除冲突 (6) 变异操作：随机选取[1,n]的2个点，对换位置 (7) 进化逆转操作:随机选取[1,n]的2个点，代入适应度函数进行评估，x选择出适应值大的个体进行下一代的交叉和变异已经进化逆转操作 ``` ## 2、各个文件的作用： GA_TSP:是主函数入口 参考：https://blog.csdn.net/viafcccy/article/details/94588749 ## 3、程序清单 ```python def getData(): #从文件或直接输入 def readFromExcelByPandas(filename, sheetName='Sheet1'):# 从excel文件里获取数据 def writeToExcelByPandas(filename, excel_list, sheetName='Sheet1'): #数据写入excel文件 def Distance(a): # 计算两两城市之间的距离 def InitPop(NIND, N):#初始化种群 def DrawPath(Chrom, X):#画路径的函数 def OutputPath(R): #输出路径函数 def PathLength(D, Chrom):#计算各个体的路径长度 def Fitness(ObjV):# 适应度函数 def Select(Chrom, FitnV, GGAP):#选择：最优保存选择机制: def Sus(FitnV, NSel):#选择个体的序引号,锦标赛选择策略 def mySort(nums):# 模拟matlab的排序，返回排序后的数组结构和对应排序前下标位置 def Recombin(Selch, Pc):#交叉操作，避免局部最优解 def intercross(a, b):#部分映射,杂交2个个体 def Mutate(Selch, Pm):#变异操作 def randomperm(N):# 随机产生0-(N-1)的序列 def Reverse(Selch, D):#进化逆转函数 def Reins(Chrom, Selch, ObjV,D):# 重插入子代的新种群,精英选择 ```