遗传算法解决旅行商问题R代码

遗传算法是一种基于生物进化原理的优化搜索方法，常用于求解复杂问题。对于旅行商问题（Traveling Salesman Problem, TSP），它是一个经典的组合优化问题，目标是寻找最短路径，使得一位旅行者访问所有城市一次后返回起点。

以下是使用遗传算法解决旅行商问题的一个简单R语言实现示例：

# 导入必要库
library(genoalg)
library(deoptim)

# 定义TSP问题函数（欧几里得距离）
tsp_function <- function(cities) {
  return(sum(sqrt(diff(cities)^2)))
}

# 创建初始种群
set.seed(123) # 设置随机数种子保证结果可复现
pop_size <- 50  # 种群大小
cities <- matrix(runif(2 * pop_size), ncol = 2)  # 假设有50个城市，随机生成坐标

# 遗传操作
ga_params <- gaControl(functions = tsp_function,
                        popSize = pop_size,
                        maxGen = 100,  # 最大迭代次数
                        eliteCount = 2,  # 保留最好的个体
                        mutationProb = 0.2,  # 遗传突变概率
                        crossoverProb = 0.8,  # 交叉概率
                        maximize = TRUE)  # 目标是最小化距离

# 运行遗传算法
solution <- ga(tsp_function, cities, gaParams = ga_params)

# 输出最佳解
cat("Best tour length (in euclidean distance): ", tsp_function(solution$bestIndiv), "\n")
cat("Solution:", solution$bestIndiv, "\n")