解決TSP時遺傳算法應該走多遠

Question

我正在學習遺傳算法，並且正在研究旅行推銷員問題。

我想知道我實際上應該期望GA能夠做什么。

我在這里嘗試了15個城市和48個城市的問題TSP示例問題

我的GA很快找到了15個城市問題的確切解決方案。 但是，它在48個城市問題上苦苦掙扎。 我針對人口數量的兒童數量嘗試了各種規格，結果大致如下：

正確的解決方案最小距離：33,551

我的遺傳算法解決方案距離：〜39,000

隨機路線距離：〜140,000

我了解到，GA不能保證提供確切的解決方案，而只能提供接近的解決方案，這基本上就是正在發生的事情。

我的問題是：對於GA算法，我對48個城市問題的距離是多少？或者我做錯了什么，我的GA需要一些重大改進嗎？

先感謝您

Answer 1

城市數量越多，問題就越棘手，這不僅是因為搜索空間更大，而且還因為成本函數通常會更加復雜。

總是很難（即使不是不可能）說出一種啟發式方法的性能如何（不僅是GA，而且還包括所有GA），但在我看來16％的折扣似乎很大。 我相信，如果您更改了運算符並修改了一些參數，性能可能會得到改善。

每個操作員對結果都有限制和期望。 例如，您的交叉算子（如您在前一篇文章中所述）傾向於增加具有相同子路徑的染色體數，從而導致遺傳收斂，並且您使用的變異算子也不是最具攻擊性的算子之一。 嗯，我建議您使用其他運算符，看看性能是否有所提高。 您可以使用我上一個回答中的所有參考文獻來正確理解它們，並且實現起來也不會太困難，因為一旦您理解它們就很簡單。

Answer 2

我認為您絕對可以改進。 我的目標是誤差不超過5％，最好是~1% 。