【正文】 再次，感謝所有 選這門課 的同學和朋友們，是你們讓我 在這學期以來在這門課程中豐富多彩，充滿了陽光。 致謝 時光荏苒，轉眼間，這一學期的最優(yōu)化原理與算法課程已經(jīng)結束 ，回首 這四十多個課時 ，心中倍感充實，在此我 感受頗深， 感謝母校 開設的這門課程，讓我學到了很多知識。 [3]焦李成等：免疫優(yōu)化計算、學習與識別 .科學出版社 .2021 年 6 月。 %實現(xiàn)路徑的對稱與翻轉 end end %*************** 結果輸出 ***************** outdistance celldisp(outpath) %xlswrite(39。 %剔除后面無用的點，留下實際路線 outdistance(a,b)=Bestindividual(k)。 path(i,temPm7)=tempvessel。 if(tempPmPm) temPm6=fix((rand(1)+)*10)。 %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)]。 %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)。 [c d]=find(ismember(path(i,:),temp2))。 %隨機 取出兩個位置為 2到 11基因座 temPm4=min(temPm2,temPm3)。 end %************ Step 3 : 交叉操作 ************ temppath2=path。 roulette=cumsum(Fitness)。 貴州大學 第 19 頁 [Orderfi,Indexfi]=sort(Fitness)。 for j=1:position21 pathlong(i)=pathlong(i)+A(path(i,j),path(i,j+1))。 %合成包括起點的完整路線 [row,col]=size(path)。 %將起點單獨放一矩陣 path=zeros(Popsize,pointnumber1)。 %用于存放 11 個點相互之間的最短路徑 貴州大學 第 18 頁 %****** 生成初始種群 ****** for a=1:pointnumber %起點的編號 %a=1。 A(A==50)=500。 %最大代數(shù) Pc=。若不要求太精確，可減少循環(huán)次數(shù)。 （ 2） 算法的進一步改進，例如可加入 Floyd 算法的思想，在父代產(chǎn)生子代的過程中，不是單純的交叉，可以考慮隨機加入頂點是否路徑變短。 outpath: 1 1,2 1,2,5,6,3 1,4 1,2,5 1,2,5,6 1,4,7 1,2,5,8 1,3,6,9 1,4,7,10 1,4,7,10,9,112,1 2 2,5,6,3 2,1,4 2,5 2,5,6 2,5,6,7 2,5,8 2,5,8,9 2,5,6,7,10 2,5,6,7,10,9,113,6,5,2,1 3,6,5,2 3 3,4 3,6,5 3,6 3,6,7 3,6,5,8 3,6,9 3,6,7,10 3,6,9,114,1 4,1,2 4,3 4 4,1,2,5 4,3,6 4,7 4,1,2,5,8 4,7,10,9 4,7,10 4,7,10,9,115,2,1 5,2 5,6,3 5,2,1,4 5 5,6 5,6,7 5,8 5,8,9 5,6,7,10 5,8,116,5,2,1 6,5,2 6,3 6,3,4 6,5 6 6,7 6,5,8 6,9 6,7,10 6,9,117,4,1 7,6,5,2 7,6,3 7,4 7,6,5 7,6 7 7,10,9,8 7,10,9 7,10 7,10,9,118,5,2,1 8,5,2 8,5,6,3 8,5,2,1,4 8,5 8,5,6 8,9,10,7 8 8,9 8,9,10 8,119,6,3,1 9,8,5,2 9,6,3 9,10,7,4 9,8,5 9,6 9,10,7 9,8 9 9,10 9,1110,7,4,1 10,7,6,5,2 10,7,6,3 10,7,4 10,7,6,5 10,7,6 10,7 10,9,8 10,9 10 10,9,1111,9,10,7,4,1 11,9,10,7,6,5,2 11,9,6,3 11,9,10,7,4 11,8,5 11,9,6 11,9,10,7 11,8 11,9 11,9,10 11 貴州大學 第 16 頁 4． 3 求解結果驗證與反思 此程序運算速度有待提高，程序的收斂速度不是很快。此處采用交換變異法。因0元素可能較多，在程序實現(xiàn)時，我是將非零元素提出，后面再合成。 第三：選擇與復制 ， 采用輪盤賭算法，產(chǎn)生一個隨機值，比較它與累計相對適應度的關系，從而選擇出優(yōu)良個體進入下一代。 因為節(jié)點有 11 個，可采用一個 1 行 11 列的矩陣儲存數(shù)據(jù)，同時，由于編號為數(shù)字，可直接使用數(shù)字編碼表示路徑的染色體。 實驗原理與數(shù)學模型 實現(xiàn)原理為遺傳算法原理 ， 按所選擇的適應度函數(shù)并通過遺傳中的復制、交叉及變異對個體進行篩選，使得適應度高的個體被保留下來，組成新的群體，新的群體既繼承了上一代的信息，又優(yōu)于上一代。 abcdefghijk121683179467294211 4． 2 詳細解答過程 問題分析 1234567891 01 1121683179467294211 如圖如示，將節(jié)點編號，依次為 ，由圖論知識，則可寫出其帶權鄰接矩陣為： 0 2 8 1 500 500 500 500 500 500 500 2 0 6 500 1 500 500 500 500 500 500 貴州大學 第 13 頁 8 6 0 7 500 1 500 500 500 500 500 1 500 7 0 500 500 9 500 500 500 500 500 1 500 500 0 3 500 2 500 500 500 500 500 1 500 3 0 4 500 6 500 500 500 500 500 9 500 4 0 500 500 1 500 500 500 500 500 2 500 500 0 7 500 9 500 500 500 500 500 6 500 7 0 1 2 500 500 500 500 500 500 1 500 1 0 4 500 500 500 500 500 500 500 9 2 4 0 注：為避免計算時無窮大數(shù)吃掉小數(shù)，此處為令 inf=500。尤其包含啟發(fā)式信息，盡量讓子代繼承父代的優(yōu)良特性。為了進一步提高算法的全局優(yōu)化能力，避免搜索過程陷入局部極小，現(xiàn)已提出的改進策略主要有：并行多鄰域搜索、平滑優(yōu)化曲面形狀、熵抽樣等高級技術。變異算子的設計要比交叉算子的設計靈活得多。在人工遺傳系統(tǒng)中 ,變異是用來防止這種不可彌補的遺漏，在簡單遺傳算法中，變異就是某個字符串某一位的值偶然的（概率很小的）隨機的改變 ,即在某些特定位置上簡單地把 1 變成 0，或反之。 ER 操作是根據(jù)繼承兩個父個體定義的旅程中城市間的相鄰關系生成子個體。由 Oliver 等提出的循環(huán)交叉 (CX)，將另一個父個體作為參照以對當前父個體中的城市進行重組。在每代父個體上先填入無沖突的城市。遺傳算法中一個較難解決的問題是如何較快地找到最優(yōu)解并防止“早 熟”收斂問題。直觀地講，可以把適值（或目標）函數(shù) f 看作是我們期望的最大效益或好處的某種量度。若最佳個體連續(xù)保持一定代數(shù)，則終止算法。其中， T= 1 111 ( , ) ( )n i i ni d C C d C C? ?? ??? 適應度越小的 個體，該個體的路徑越短，該個體則越好。處理完所有城市后，將每個城市的遺傳因子連接起來，即成為一條旅程的基因表示（染色體編碼）