遗传算法GA求解TSP问题matlab代码

% % @作者：随心390 % @微信公众号：优化算法交流地 % tic clear clc %% 输入数据 x=[38.24,39.57,40.56,36.26,33.48,37.56,38.42,37.52,41.23,41.17,36.08,38.47,38.15,37.51,35.49,39.36,38.09,36.09,40.44,40.33,40.37,37.57]; y=[20.42,26.15,25.32,23.12,10.54,12.19,13.11,20.44,9.100,13.05,-5.210,15.13,15.35,15.17,14.32,19.56,24.36,23,13.57,14.15,14.23,22.56]; vertexs=[x;y]'; n=length(x); %城市数目 h=pdist(vertexs); dist=squareform(h); %距离矩阵 %% 遗传算法参数设置 NIND=50; %种群大小 MAXGEN=1000; %迭代次数 Pc=0.8; %交叉概率 Pm=0.2; %变异概率 pSwap=0.2; %选择交换结构的概率 pReversion=0.5; %选择逆转结构的概率 pInsertion=1-pSwap-pReversion; %选择插入结构的概率 N=n; %染色体长度=城市数目 %% 种群初始化 Chrom=InitPop(NIND,N); %% 优化 gen=1; %计数器 bestChrom=Chrom(1,:); %初始全局最优个体 bestL=RouteLength(bestChrom,dist);%初始全局最优个体的总距离 BestChrom=zeros(MAXGEN,N); %记录每次迭代过程中全局最优个体 BestL=zeros(MAXGEN,1); %记录每次迭代过程中全局最优个体的总距离 while gen<=MAXGEN %二元锦标赛选择 SelCh=BinaryTourment_Select(Chrom,dist); %OX交叉 SelCh=Recombin(SelCh,Pc); %变异 SelCh=Mutate(SelCh,Pm,pSwap,pReversion,pInsertion); %将Chrom更新为SelCh Chrom=SelCh; %计算当前代所有个体总距离 Obj=ObjFunction(Chrom,dist); %找出当前代中最优个体 [minObj,minIndex]=min(Obj); %将当前代中最优个体与全局最优个体进行比较，如果当前代最优个体更好，则将全局最优个体进行替换 if minObj<=bestL bestChrom=Chrom(minIndex,:); bestL=minObj; end %记录每一代全局最优个体，及其总距离 BestChrom(gen,:)=bestChrom; BestL(gen,:)=bestL; %显示外层循环每次迭代的信全局最优路线的总距离 disp(['第' num2str(gen) '次迭代：全局最优路线总距离 = ' num2str(bestL)]); %画出每次迭代的全局最优路线图 figure(1); PlotRoute(bestChrom,x,y) pause(0.01); %计数器加1 gen=gen+1; end %% 打印每次迭代的全局最优个体的总距离变化趋势图 figure; plot(BestL,'LineWidth',1); title('优化过程') xlabel('迭代次数'); ylabel('总距离'); toc