遗传算法求解时间窗口路径优化，遗传算法详细原理

算法求解时间窗口路径优化，遗传算法详细原理"/>

遗传算法求解时间窗口路径优化，遗传算法详细原理

目录

背影
遗传算法的原理及步骤
代码
结果分析
展望

背影

tsp问题是常见的优化问题，具有优化维度大，求解难度高的，可行解多的特点，一般都无法用直接求解，本文用遗传算法进行求解，遗传算法拥有更好的全局寻优能力，

遗传算法

基本定义

传算法的起源可追溯到20世纪60年代初期。1967年,美国密歇根大学J. Holland教授的学生 Bagley在他的博士论文中首次提出了遗传算法这一术语,并讨论了遗传算法在博弈中的应用,但早期研究缺乏带有指导性的理论和计算工具的开拓。1975年, J. Holland等提出了对遗传算法理论研究极为重要的模式理论,出版了专著《自然系统和人工系统的适配》,在书中系统阐述了遗传算法的基本理论和方法,推动了遗传算法的发展。20世纪80年代后,遗传算法进入兴盛发展时期，被广泛应用于自动控制、生产计划、图像处理、机器人等研究领域。

编码

由于遗传算法不能直接处理问题空间的参数,因此必须通过编码将要求解的问题表示成遗传空间的染色体或者个体。这一转换操作就叫做编码，也可以称作（问题的）表示（representation）。
评估编码策略常采用以下3个规范：
a)完备性(completeness):问题空间中的所有点(候选解)都能作为GA空间中的点(染色体)表现。
b)健全性(soundness): GA空间中的染色体能对应所有问题空间中的候选解。
c)非冗余性(nonredundancy):染色体和候选解一一对应。

适应度函数

进化论中的适应度，是表示某一个体对环境的适应能力&