第 33卷 第 2期 控 制 与 决 策 Vol.33 No.2
2018年 2月 Control and Decision Feb. 2018
文章编号: 1001-0920(2018)02-0219-07 DOI: 10.13195/j.kzyjc.2016.1666
改进遗传模拟退火算法在TSP优化中的应用
何 庆
†
, 吴意乐, 徐同伟
(贵州大学 大数据与信息工程学院，贵阳 550025)
摘 要: 针对旅行商问题 (TSP) 优化中, 遗传算法 (GA) 容易陷入局部最优、模拟退火算法 (SA) 收敛速度慢的问
题, 提出一种基于改进遗传模拟退火算法 (IGSAA) 的 TSP 优化算法. 首先根据优化目标建立数学模型; 然后对遗
传算法部分中的适应度函数、交叉变异算子进行改进, 使算法能够更加有效地避免陷入局部最优; 最后根据旧种
群和新种群每个对应个体的进化程度提出一种改进自适应的 Metropolis 准则, 使模拟退火算法部分的染色体跳变
更具有自适应性, 利于算法寻优. 对不同 TSP 实例的实验结果表明, 与其他路径优化算法优化结果相比, 所提出的
IGSAA算法能够对不同TSP实例优化得到更优的旅行路径.
关键词: 旅行商问题；遗传算法；模拟退火算法；交叉变异算子；Metropolis准则
中图分类号: TP18 文献标志码: A
Application of improved genetic simulated annealing algorithm in TSP
optimization
HE Qing
†
, WU Yi-Le, XU Tong-Wei
(College of Big Data and Information Engineering，Guizhou University，Guiyang 550025，China)
Abstract: Aiming at the problem that the genetic algorithm(GA) is easy to fall into local optimum and the simulated
annealing algorithm(SA) convergence rate is slow in the optimization of traveling salesman problem(TSP), a TSP
optimization algorithm based on the improved genetic simulated annealing algorithm(IGSAA) is proposed. Firstly, the
mathematical model is established according to the optimization goal. Then, the fitness function, crossover and mutation
operators are improved in the par t of genetic algorithm in order to make the algorithm more efficient to avoid falling into
local optimum. Finally，an improved adaptive Metropolis criterion is proposed according to the evolution degree of each
corresponding individual between old and new population in order to make the jump changing more adaptive in the part
of simulation annealing algorithm which is propitious to the optimization of the algorithm. The experimental results on
different TSP instances show that, the IGSAA algorithm designed can obtain better travel path on optimizing different
TSP instances compared with other path optimization algorithms.
Keywords: traveling salesman problem；genetic algorithm；simulated annealing algorithm；crossover and mutation
operators；Metropolis criterion
0 引
旅行商问题
[1]
(TSP) 是一个典型的 NP-hard 的组
合优化问题, 具有很强的现实意义, 目前已经广泛应
用于物流配送、计算机网络通信节点设置、飞机航
线安排、公路网络建设、集成电路布线等领域, 它们
都可以通过转变为 TSP 问题来解决. 然而, 随着问题
规模的增大, 解空间会成倍扩张, 许多 TSP 问题还没
有完全解决. 目前, 随着人工智能的迅速发展,人们已
经提出了许多智能优化算法并应用于TSP问题, 如模
拟退火算法
[2]
、蚁群优化算法
[3]
、遗传算法
[4]
、神经
网络算法
[5]
等. 张家善等
[6]
将信息素调节系数引入
蚁群优化算法用以解决 TSP优化问题;张弛等
[7]
提出
了一种求解 TSP 问题的基于混合转移规则、全局信
息素灾变搜索规则和局部混合调整信息素规则的蚁
群优化算法;杜鹏桢等
[8]
提出了一种面向对象的多角
色群优化算法; 于宏涛等
[9]
针对旅行商问题, 设计了
一种新型的离散人工蜂群优化算法; 李擎等
[10]
在基
于 PSO 的改进 ACO 算法的基础上, 将全局异步与精
收稿日期: 2016-12-29；修回日期: 2017-05-11.
基金项目: 贵州省科技厅基金项目 (黔科合 LH 字 [2014]7628)；贵州省教育厅青年科技人才成长项目 (黔教合 KY 字
[2016]124)；贵州大学博士基金项目(贵大人基合字[2010]010).
作者简介: 何庆 (1982−), 男, 副教授, 从事智能算法、无线传感器网络等研究；吴意乐 (1991−), 男, 硕士生, 从事智
能算法、无线传感器网络的研究.
†
通讯作者. E-mail: 16353735@qq.com
评论0