遗传算法及其在TSP问题的应用毕业设计

《遗传算法及其在TSP问题的应用毕业设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、本科毕业设计毕业设计题目：遗传算法及其在TSP问题的应用30毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作者签名：　　　　　日　期：　　　　　指导教师签名：　　　　　日　　期：　　　　

2、　使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名：　　　　　日　期：　　　　　30学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体

3、已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权　　　　大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期：年月日导师签名：日期：年月日30摘要遗传算法(Gen

4、eticAlgorithm,GA)是近年来迅速发展起来的一种全新的随机搜索与优化算法,旅行商问题是一个典型的NP完全问题，而遗传算法是解决这类问题的一个比较理想的算法,它的基本思想来源于Darwin的进化论和Mendel的遗传学。本文首先对遗传算法和旅行商问题进行了简单的介绍，并用数学的方式描述了TSP问题。然后详细地阐述了遗传算法在编码表示和遗传算子（包括选择算子、交叉算子、变异算子）等其他方面的应用情况，最后通过对初始种群、遗传代数、交叉率、变异率等参数进行修改、测试、对比，来验证这些参数对算法的求解结果和求解效率的影响。关键词

5、遗传算法旅行商问题编码轮盘赌算法最优保存策略顺序交叉30AbstractGeneticAlgorithm(GeneticAlgorithm,GA)isanewrandomsearchandoptimizationalgorithm，developsrapidlyinrecentyears,TSP(TravelingSalesmanProblem)isatypicalNP-completeproblemandgeneticalgorithm(GA)isoneofthebestmethodsforsolvingNP-completepr

6、oblem,thebasicideaofthetheoryisDarwinandMendel'sgenetics.Firstly，thearticleintroducestheGeneticAlgorithmandTravelingSalesmanProblembrieflyandmathematically.Thendescribesthedetailofthegeneticalgorithm，suchascodedrepresentation，geneticoperators(includingselectionoperator

7、,crossoveroperator,mutationoperator)andtheotherapplications.Finally，wemodifytheparametersoftheinitialpopulation，geneticalgebra，crossoverrate，mutationratetoverifytheinfluenceontheresultandsolvingefficiencyofthealgorithm.KeywordsgeneticalgorithmTSPcodingRoulettealgorithm

8、ElitiststrategyOrdercrossover30目录第一章引言21.1研究背景31.2国内外发展现况31.3主要研究内容51.4本文结构5第二章遗传算法与TSP问题介绍62.1遗传算法介绍62.1.1遗传算法的特点72.