利用基本的遗传算法解决Traveling salesman problem 问题，内含编码、遗传、变异、选择程序，最终显示结果。程序使用matlab编写。

由于TSP(Traveling Salesman Problem)与众多网络优化问题在形式上有 一定的相似性，所以研究遗传算法在TSP问题中的应用对后续问题的展开 有一定的指导意义。

基于遗传算法的TSP问题，解决旅行商问题

遗传算法（GeneticAlgorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，通过模拟自然进化过程搜索最优解。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择个体，并借助于自然遗传学的遗传算子（genetic operators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解

实验内容与步骤 TSP 问题是一个经典的 NP 问题，很难得到最优解，利用遗传算法，可以比较快的找到近似最优。本实验采用 TSPLIB 的数据,利用遗传算法进行求解。 染色体设计 染色体设计是遗传算法的关键之一，在本实验中，采用基于路径的方法进行设计，即一条完整合法的路径为一个染色体。如 12345678 或 51834762 (以 8 个城市为例)。 交叉编码方式设计 在本实验中采用部分交叉编码方式，编码过程如下： 根据两个父代染色体建立基因对应规则 确定父代中交叉的起始位置、结束位置 互换需要交叉的编码得到子代，对于每一个子代，如果交叉的部分已经在存在，则根据基因对应规则对寻找替换基因 示例：父代 1 : 12345678; 父代 2： 51834762 步骤 1、确定基因对应规则。 父代 1 视角： 1->5、 2->1、 3->8、 4->3、 5->4、 6->7、 7->6、8->2 父代 2 视角： 5->1、 1->2、 8->3、 3->4、 4->5、 7->6、 6->7、2->8 步骤 2、确定交叉起始位置为 4，结束位置为 6。 父代 1 中需要交换的基因为 456 父代 2 中需要交换的基因为 347 步骤 3、通过互换基因得到子代。 子代 1 生成过程：父代 1 中前 3 个基因和后 2 个基因无需互换，遗传给子代 1，得到 123***78 第四个基因 4 需要交换，对应的基因为 3，得到 1233##78。由于基因 3 已经存在于子代 1（位置 3）中，因此将该基因根据对应规则修改为 8，得到1283##78，但基因 8 也已经存在，根据规则修改为 2，得到 1223##78； 2 同样存在，修改为 1，得到 1213##78； 1 也存在，修改为 5，得到 1253##78； 第五个基因 5 需要交换，对应的基因为 4，得到 12534*78； 第六个基因 6 需要交换，对应的基因为 7，得到 12534778，基因 7 已经存在，根据规则修改为 6，得到 12534768，子代 1 编码完成； 用同样的方式编码子代 2（用父代 2 视角的对应规则）。 编码原则 如果交换得到的基因已经存在，保留交换得到的基因、修改由父代遗传下来的基因。基因修改可能会有多次（由于多次冲突），但都只在同一位置进行。 变异编码规则设计 本实验采用交换变异，即在自身染色体中随机挑选两个基因，然后互换位置。 程序实现 1.设定种群数量 2.随机初始化种群染色体并计算适应度 3.根据适应度选择父代进行遗传（根据交叉概率决定是否交叉染色体） 4.根据变异率进行变异操作 5.计算适应度，如达到要求或达到迭代次数则终止算法，否则跳转到第3步

内有报告论文详细阐述，程序好使，自己三天时间亲手编写，仿真结果在报告里。

本代码基于matlab实现了遗传算法解决TSP问题，并且对不同城市的个数进行了对比

利用遗传算法解决的tsp问题，matlab源码

用 MATLAB实现基于遗传算法的旅行商问题，可以求得最优解。

用matlab程序编写的遗传算法解决TSP问题，GATSP.m为主程序，