旅游线路优化设计文献综述

《旅游线路优化设计文献综述》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、文献综述旅游线路优化设计一、前言部分：遗传算法（GeneticAlgorithm）是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它是有美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《AdaptationinNaturalandArtificialSystems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）[1-3]。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个

2、体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学

3、的遗传算子（geneticoperators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。二、主题部分旅游线路优化设计是一个旅行商问题，通过c++,matlab等多种软件对于初始数据进行分析运算，并将其合理运用以建立模型，最后采用遗传算法对数据进行运算。旅游线路优化也叫巡回旅行商问题（TravelingSalesmanProble-m,TSP），也称为货郎担问题[4]。它是一个较古老的问题，最早可以追溯到175

4、9年Euler提出的骑士旅行问题。货郎担问题可以解释为，一位推销员从自己所在城市出发，必须遍访所有城市且每个城市只能访问一次之后又返回到原来的城市，求使其旅行费用最小（或旅行距离最短）的路径。1948年，由美国兰德公司推动，TSP成为近代组合优化领域的一个典型难题。它是一个具有广泛应用背景和重要理论价值的组合优化问题。TSP的搜索空间随着城市规模数n的增加而增大，这类组合优化问题称之为NP完全问题。在如此庞大的搜索空间中寻求近似最优解，对于常规方法和现有的计算工具而言，存在着诸多的计算困难。因此，借助遗传演化算法，模仿大自然界生物的繁殖、杂交及其变异的演化过程来解决TSP问题，显得非常必要。

5、基于以上原因，本人采用经典遗传算法理论及个体实数编码方法设计了此算法，试图进一步探索TSP组合优化问题的有效解决方案。解的表示   任何单个的n个城市的排列表示一个解（对n个城市的完全旅行），近似最优解是旅行费用最小的n个城市的排列。若旅行采用二进制编码表示，对TSP问题的解决没有任何的优点。相反，若采用二进制代码表示，还要求有特殊的修补算法，因为单个位的变化可能引起一个非法的旅行。于是，本算法中对解（群体中的个体）的表示统一采用整数编码的方法。如：“1—3—2—5—4—9—7—8—6”表示一个染色体（个体或路径），每一个整数代表一个顶点（城市）的编号。算法参数设置复制概率：PR=0.2  

6、   杂交概率：PC=0.7   变异概率：PM=0.1遗传操作包括以下三个基本遗传算子(geneticoperator):选择(selection)；交叉(crossover)；变异(mutation)。选择从群体中选择优胜的个体，淘汰劣质个体的操作叫选择[5,6]。选择算子有时又称为再生算子(reproductionoperator)。选择的目的是把优化的个体(或解)直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的，目前常用的选择算子有以下几种:适应度比例方法、随机遍历抽样法、局部选择法、局部选择法。　　其中轮盘赌选择法（roule

7、ttewheelselection）是最简单也是最常用的选择方法。在该方法中，各个个体的选择概率和其适应度值成比例。设群体大小为n，其中个体i的适应度为，则i被选择的概率,为遗传算法　　显然，概率反映了个体i的适应度在整个群体的个体适应度总和中所占的比例.个体适应度越大。其被选择的概率就越高、反之亦然。计算出群体中各个个体的选择概率后，为了选择交配个体，需要进行多轮选择。每一轮产生一个[0，1]之间均匀随机数