【正文】 37 。他無論在理論上還是在實踐中，都給與我很大的幫助，使我得到不少的提高這對于我以后的工作和學(xué)習(xí)都有一種巨大的幫助，感謝他耐心的輔導(dǎo)。是他們在我畢業(yè)的最后關(guān)頭給了我們巨大的幫助與鼓勵，給了我很多解決問題的思路，在此表示衷心的感激。在我的十幾年求學(xué)歷程里，離不開父母的鼓勵和支持，是他們辛勤的勞作，無私的付出，為我創(chuàng)造良好的學(xué)習(xí)條件，我才能順利完成完成學(xué)業(yè)，感激他們一直以來對我的撫養(yǎng)與培育。學(xué)友情深，情同兄妹?；厥姿哪辏〉昧诵┰S成績，生活中有快樂也有艱辛。四年的大學(xué)生活就快走入尾聲，我們的校園生活就要劃上句號，心中是無盡的難舍與眷戀。另外，我還要感謝大學(xué)四年和我一起走過的同學(xué)朋友對我的關(guān)心與支持，與他們一起學(xué)習(xí)、生活，讓我在大學(xué)期間生活的很充實，給我留下了很多難忘的回憶。再次對周巍老師表示衷心的感謝。郭謙功老師淵博的知識、嚴謹?shù)淖黠L(fēng)和誨人不倦的態(tài)度給我留下了深刻的印象。沒有他們的幫助，我將無法順利完成這次設(shè)計。經(jīng)過這次畢業(yè)設(shè)計，我的能力有了很大的提高，比如操作能力、分析問題的能力、合作精神、嚴謹?shù)墓ぷ髯黠L(fēng)等方方面面都有很大的進步。本次畢業(yè)設(shè)計大概持續(xù)了半年，現(xiàn)在終于到結(jié)尾了。作者簽名: 二〇一〇年九月二十日致 謝時間飛逝，大學(xué)的學(xué)習(xí)生活很快就要過去，在這四年的學(xué)習(xí)生活中，收獲了很多，而這些成績的取得是和一直關(guān)心幫助我的人分不開的。本人愿意按照學(xué)校要求提交學(xué)位論文的印刷本和電子版，同意學(xué)校保存學(xué)位論文的印刷本和電子版，或采用影印、數(shù)字化或其它復(fù)制手段保存設(shè)計（論文）；同意學(xué)校在不以營利為目的的前提下，建立目錄檢索與閱覽服務(wù)系統(tǒng)，公布設(shè)計（論文）的部分或全部內(nèi)容，允許他人依法合理使用。作者簽名: 二〇一〇年九月二十日本聲明的法律后果由本人承擔(dān)。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本設(shè)計（論文）不含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。學(xué)位論文作者（本人簽名）： 年 月 日學(xué)位論文出版授權(quán)書本人及導(dǎo)師完全同意《中國博士學(xué)位論文全文數(shù)據(jù)庫出版章程》、《中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫出版章程》(以下簡稱“章程”)，愿意將本人的學(xué)位論文提交“中國學(xué)術(shù)期刊（光盤版）電子雜志社”在《中國博士學(xué)位論文全文數(shù)據(jù)庫》、《中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫》中全文發(fā)表和以電子、網(wǎng)絡(luò)形式公開出版，并同意編入CNKI《中國知識資源總庫》，在《中國博碩士學(xué)位論文評價數(shù)據(jù)庫》中使用和在互聯(lián)網(wǎng)上傳播，同意按“章程”規(guī)定享受相關(guān)權(quán)益。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式注明并表示感謝。}學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下進行的研究工作所取得的成果。 //} } OutPut(city)。 lastBestFitness=cityBestFitness。//變異 CalFitness(city)。//選擇(復(fù)制) Cross(city,pcross)。flagExit,amp。flagExit==0。iMaxEpocamp。 lastBestFitness=0。//計算適應(yīng)值,考慮應(yīng)該在這里面把最優(yōu)選出來 findBestFitAndValueaddFit(city)。 InitColony(city)。 CalculatDist()。 pcross=。 srand(seed)。 int flagExit,countSameTime。//交叉概率和變異概率 int MaxEpoc。}//canOver()int main(int argc, char* argv[]){ PTSP city。 } } else (*countSameTime)=0。 if(*countSameTimeMAXSAMETIME) { flagRet=1。 flagRet=0。 } return。iPOPSIZE。 } if(cityDistance[i]cityBestValue) { cityBestValue=cityDistance[i]。 if(cityfitness[i]cityBestFitness) { cityBestFitness=cityfitness[i]。iPOPSIZE。 cityaddFitness[0]=cityfitness[0]。 cityBestValue=MAXVALUE。s cost value is %f\n,(cityBestValue))。i++) printf(%5d,citycolony[cityBestFitCityXuh][i])。 for(i=0。 } printf(The best rooting is:\n)。 } printf(%5d,int(cityDistance[i]))。j=CITY_NUM。iPOPSIZE。 printf(The population is:\n)。 citycolony[selCity][changePoint[1]]=temp。 //swich temp=citycolony[selCity][changePoint[0]]。 changePoint[1]=rand()%(CITY_NUM1)+1。 }while(selCity==cityBestFitCityXuh)。j=int(POPSIZE*pm)。 int selCity。 crossTwo(city,tempXuh,cityCross)。 }while(tempXuh[0]==tempXuh[1])。i++) { tempXuh[0]=rand()%(POPSIZE1)。 for(i=0。 int tempXuh[2]。}//copyCityXuhTo()//交叉操作void Cross(PTSP city,double pc){//交叉概率是pc int crossNum,i。i++) { cityCross[h][i]=citycolony[tempXuh[h]][i]。h++) { for(i=0。 for(h=0。 return。} } }//forh } //exchgTempcityxuh(tempcityxuh,countCrossGene)。j++) { if(tempcityxuh[h][i]==tempcityxuh[(h+1)%2][j]) { flaglike=1。amp。 for(j=1。i=countCrossGene。h++) { k=countCrossGene。 } } }//for k// } if(samePoint!=0)//cross { for(h=0。amp。amp。i=CITY_NUM1。 cityCross[k][i]=0。i=CITY_NUM1。 cityCross[(k+1)%2][i]=0。i=genePoint[1]。k++)//one { j=1。h++) //{ for(k=0。 //for(h=0。 cityCross[k][j]=CITY_NUM。amp。jCITY_NUM。i=genePoint[1]。k2。} countCrossGene=genePoint[1]genePoint[0]。genePoint[0]=genePoint[1]。 }while(genePoint[0]==genePoint[1]||genePoint[0]==0||genePoint[1]==0)。 do { genePoint[0]=rand()%(CITY_NUM1)。 int i,j,k,h。 }}//exchgTempcityxuh()void crossTwo(PTSP city,int *tempXuh,int cityCross[][CITY_NUM+1]) //交叉操作{ int genePoint[2],temp1,countCrossGene,flaglike。 tempcityxuh[0][i]=tempcityxuh[1][i]。i=countCrossGene。 } }}//copyCityXuhToCityColony()void exchgTempcityxuh(int tempcityxuh[][CITY_NUM+1],int countCrossGene){ int i,temp。iCITY_NUM。h2。}//Select()void copyCityXuhToCityColony(int tempcityxuh[][CITY_NUM+1],int *tempXuh,PTSP city){ int i,h。i!=j) { copyColony(i,j,city)。 //if(i!=cityBestFitCityXuh) if(cityfitness[j]=cityfitness[i]amp。tempflag1==0。jPOPSIZEamp。 tempflag1=0。iPOPSIZE。 int i,j。 }*/ } return。i++) { citycolony[toc][i]=citycolony[fromc][i]。 for(i=1。 } cityfitness[i]=N/(cityDistance[i])。end=citycolony[i][j]。j=CITY_NUM。i++){ //求適應(yīng)值 cityDistance[i]=0。 for(i=0。 } }}//求適應(yīng)值void CalFitness(PTSP city) { int i,j。//產(chǎn)生1～CITY_NUM1之間的隨機數(shù) while(check(city,i,j,r)){ r=rand()%(CITY_NUM1)+1。jCITY_NUM。iPOPSIZE。 cityBestFitness=0。 citycolony[i][CITY_NUM]=0。iPOPSIZE。//新生成節(jié)點沒有存在于已經(jīng)生成的路徑中}void InitColony(PTSP city)//初始化城市，隨機生成數(shù)據(jù){ int i,j,r。i++){ if(k==citycolony[pop][i]) return true。 for(i=0。 CityDistance[i][j]=sqrt(temp1*temp1+temp2*temp2)。j++){//最后一個城市還應(yīng)該返回到出發(fā)節(jié)點 temp1=CityPos[j][0]CityPos[i][0]。i++){ for(j=0。 for(i=0。//計算城市的距離void CalculatDist( ){ int i,j。 int BestFitCityXuh。//最優(yōu)路徑適應(yīng)值 double BestValue。//路徑實際長度 int BestRooting[CITY_NUM+1]。//城市種群,默認出發(fā)城市編號為0，則城市編號的最后一個城市還應(yīng)該為0 double fitness[POPSIZE]。double CityDistance[CITY_NUM][CITY_NUM]。附錄程序// include include include include define CITY_NUM 10 //城市編號是0~CITY_NUM1define POPSIZE 50define MAXVALUE 10000 //路徑越短越好define MAXSAMETIME 15 //結(jié)果沒有改變的最大次數(shù)define N 1//需要根據(jù)實際求得的路徑值修正unsigned seed=(unsigned)time(0)。在此，感謝,所有福建農(nóng)林大學(xué)的老師,感謝他們給予了我巨大幫助。在整個畢業(yè)設(shè)計的過程中給了我巨大的幫助。參 考 文 獻 [1] 黃厚生．求解旅行商問題的新方法研究[J]．天津：天津大學(xué)管理學(xué)院，2005：1．20．[2] 高經(jīng)維,張煦,李峰, 問題的遺傳算法實現(xiàn)[J].計算機時代,2004 ,2:1921.[3] 周明,[M].. [4] 柳林，楊峰．求解TSP問題的改進遺傳算法研究．計算機工程與用，2006，42(20)：5557．[5] 陳靜．改進遺傳算法及其在旅行推銷商問題中的應(yīng)用研究：(碩士學(xué)位論文)．重慶：重慶大學(xué)計算機學(xué)院，2006．[