【正文】 atrix=a*ones(Popsize,1)。 %將起點(diǎn)單獨(dú)放一矩陣 path=zeros(Popsize,pointnumber1)。 %聲明矩陣大小，避免減慢速度 for i=1:Popsize temprand=randperm(pointnumber1)。 path(i,:)=tempvary(temprand(1:end))。 %生成一系列剔除起點(diǎn)的隨機(jī)路線 end path=[tempmatrix path]。 %合成包括起點(diǎn)的完整路線 [row,col]=size(path)。 for b=a:pointnumber %終點(diǎn)的編號 %b=10。 for k=1:1:MaxGeneration for i=1:row position2=find(path(i,:)==b)。 %找出終點(diǎn)在路線中的位置 pathlong(i)=0。 for j=1:position21 pathlong(i)=pathlong(i)+A(path(i,j),path(i,j+1))。 end end %計(jì)算適應(yīng)度 Fitness=length(A)*max(max(A))pathlong。 %因要求最小值，采且常數(shù)減函數(shù)值構(gòu)造適應(yīng)度 Fitness=Fitness./sum(Fitness)。 %****** Step 1 : 選擇最優(yōu)個體 ****** Bestindividual(k)=min(pathlong)。 貴州大學(xué) 第 19 頁 [Orderfi,Indexfi]=sort(Fitness)。 %按照適應(yīng)度大小排序 Bestfi=Orderfi(Popsize)。 %Oderfi 中最后一個即是最大的適應(yīng)度 BestS=path(Indexfi(Popsize),:)。 %記錄每一代中最優(yōu)個體的路線 %****** Step 2 : 選擇與復(fù)制操作 ****** temppath=path。 roulette=cumsum(Fitness)。 for i=1:Popsize tempP=rand(1)。 for j=1:length(roulette) if tempProulette(j) break。 end end path(i,:)=temppath(j,:)。 end %************ Step 3 : 交叉操作 ************ temppath2=path。 for i=1:2:row tempP2=rand(1)。 if(tempP2rand(1)) temPm2=fix((rand(1)+)*10)。 %因起點(diǎn)基因不能改變 temPm3=fix((rand(1)+)*10)。 %隨機(jī) 取出兩個位置為 2到 11基因座 temPm4=min(temPm2,temPm3)。 temPm5=max(temPm2,temPm3)。 temp1=path(i,temPm4:temPm5)。 %將兩點(diǎn)之間的基因儲存，方便交叉 temp2=path(i+1,temPm4:temPm5)。 [c d]=find(ismember(path(i,:),temp2))。 path(i,d)=0。 %找出 i 行在 i+1 行取出區(qū)域中的數(shù)，置為 0 [e f]=find(ismember(path(i+1,:),temp1))。 貴州大學(xué) 第 20 頁 path(i+1,f)=0。 %找出 i+1 行在 i 行取出區(qū)域中的數(shù)，置為 0 [g h]=find(path(i,:)~=0)。 v1=path(i,h)。 %取出 i行的非零元素，成一向量 [l m]=find(path(i+1,:)~=0)。 v2=path(i+1,m)。 %取出 i+1 行的非零元素，成一向量 path(i,:)=[v1(1:temPm41) temp2 v1(temPm41+size(temp1):end)]。 path(i+1,:)=[v2(1:temPm41) temp1 v2(temPm41+size(temp2):end)]。 %基因交叉 end end path(Popsize,:)=BestS。 %************ Step 4: 變異操作 ************** for i=1:Popsize tempPm=rand(1)。 if(tempPmPm) temPm6=fix((rand(1)+)*10)。 temPm7=fix((rand(1)+)*10)。 %產(chǎn)生兩個用于交換的隨機(jī)數(shù) tempvessel=path(i,temPm6)。 %交換前用一臨時容器存放數(shù)據(jù) path(i,temPm6)=path(i,temPm7)。 path(i,temPm7)=tempvessel。 %變異交換 end end path(Popsize,:)=BestS。 end [aa bb]=find(BestS==b)。 %找出終點(diǎn) Bestpath=BestS(1:bb)。 %剔除后面無用的點(diǎn)，留下實(shí)際路線 outdistance(a,b)=Bestindividual(k)。 %將最短距離寫入矩陣 outpath{a,b}=Bestpath。 %寫入路徑，因數(shù)據(jù)類型為矩陣，所以采用元胞數(shù)組儲 貴州大學(xué) 第 21 頁 存 end end for i=1:pointnumber for j=1:i outdistance(i,j)=outdistance(j,i)。 %實(shí)現(xiàn)距離的對稱 outpath{i,j}=fliplr(outpath{j,i})。 %實(shí)現(xiàn)路徑的對稱與翻轉(zhuǎn) end end %*************** 結(jié)果輸出 ***************** outdistance celldisp(outpath) %xlswrite(39。39。, outpath) %存入 excel 中進(jìn)行操作 貴州大學(xué) 第 22 頁 參考文獻(xiàn) [1]周明，孫樹棟 .遺傳算法原理及應(yīng)用 .國防工業(yè)出版社 .1999 年， 6月。 [2]王小平、曹立明 .遺傳算法理論應(yīng)用與軟件實(shí)現(xiàn) [M].西安交通大學(xué)出版社 .2021 年 1月。 [3]焦李成等：免疫優(yōu)化計(jì)算、學(xué)習(xí)與識別 .科學(xué)出版社 .2021 年 6 月。 [4]張文修、梁怡 .遺傳算法數(shù)學(xué)基礎(chǔ) [M].西安交通大學(xué)出版社 .2021 年 5月。 [5]敖友云、遲洪欽 .基于遺傳算法求解 TSP 問題的一種算法 [J].計(jì)算機(jī)與數(shù)字工程。 [6]康曉軍，王茂才 .基于遺傳算法的最短路徑問題的求解 .計(jì)算機(jī)工程與應(yīng)用[J],2021,44(23)。 致謝 時光荏苒，轉(zhuǎn)眼間，這一學(xué)期的最優(yōu)化原理與算法課程已經(jīng)結(jié)束 ，回首 這四十多個課時 ，心中倍感充實(shí)，在此我 感受頗深， 感謝母校 開設(shè)的這門課程，讓我學(xué)到了很多知識。 首先，誠摯的感謝 陶 老師 對我論文的指導(dǎo)。 其次，我要感謝 各位在我撰寫論文中給予我各種幫助的 師兄師姐們，因?yàn)橛辛怂麄兊膸椭凸膭?，論文才得以在預(yù)定的時間里完成，并且學(xué)習(xí)到很多自身所缺乏的東西。在 論文的寫作過程中，他們給了我很多寶貴建議，在此一并致以最誠摯的謝意。 再次，感謝所有 選這門課 的同學(xué)和朋友們，是你們讓我 在這學(xué)期以來在這門課程中豐富多彩，充滿了陽光。 最后， 再次 感謝 陶 老師 您 能夠在百忙之中對我的論文進(jìn)行精心地指導(dǎo)。