针对TSP问题的建议GA运营商？

Question

我正在建立一个遗传算法来解决旅行商问题。不幸的是，我发现可以持续超过一千代的峰值，然后变异并获得更好的结果。在这种情况下，交叉和变异算子通常做得好吗？

Answer 1

有序突变和有序交叉（见this article）。标准变异和交叉操作通常会导致无效的解决方案（即路线中的重复和/或缺失的城市）。

最近有一个similar question。

我有a Java applet that implements the TSP using ordered cross-over and mutation，如果您有兴趣比较实施的效果。

Answer 2

如果您的问题是峰值仍然存在超过一千代，那么问题可能不在于交叉和变异算子。您可能不会为您的人群引入或保留足够的变异：我会检查交叉，突变和幸存者从一代到下一代的比例，并可能提高突变的比例。

Answer 3

请你澄清一下

  

“不幸的是，我达到了峰值   维持超过一千   在变异之前的几代人   他们并取得了更好的结果“？

您可以检查交叉运算符，确保子染色体中没有重复节点。这些交叉运算符中的几个是Order Crossover（OX）和Edge Crossover运算符。

突变可以像简单地在单个染色体中交换两个位置一样简单。

顺便说一句，既然你已经标记了“python”，请看一下Pyevolve，它也有一个TSP示例。