bp神经网络的matlab代码_遗传算法（GA）求解旅行商问题（TSP）MATLAB代码讲解

GA求解TSP问题MATLAB代码讲解https://www.zhihu.com/video/1245830251734888448

​（各位小伙伴也可去bilibili同步观看，https://b23.tv/JMBGdY）

Hello，大家好，今天更新一期使用GA求解TSP问题的MATLAB代码讲解。各位可点击左下角阅读原文，访问优化算法交流地官方闲鱼账号。

01 | 勘误

首先更正一下上一期推文代码的一个错误，在BinaryTourment_Select这个函数的第15行原来写的是R=randperm(N)，但实际应该是R=randperm(NIND)。

%
%      @作者：随心390
%      @微信公众号：优化算法交流地
%
%% 二元锦标赛选择
%输入Chrom：           种群
%输入dist：            距离矩阵
%输出Selch：           二元锦标赛选择出的个体
function Selch=BinaryTourment_Select(Chrom,dist)
Obj=ObjFunction(Chrom,dist);            %计算种群目标函数值，即每个个体的总距离
FitnV=Fitness(Obj);                     %计算每个个体的适应度值，即总距离的倒数
[NIND,N]=size(Chrom);                   %NIND-种群个数、N-种群长度
Selch=zeros(NIND,N);                    %初始化二元锦标赛选择出的个体
for i=1:NIND
    R=randperm(NIND);                   %生成一个1~NIND的随机排列
    index1=R(1);                        %第一个比较的个体序号
    index2=R(2);                        %第二个比较的个体序号
    fit1=FitnV(index1,:);               %第一个比较的个体的适应度值（适应度值越大，说明个体质量越高）
    fit2=FitnV(index2,:);               %第二个比较的个体的适应度值
    %如果个体1的适应度值 大于等于 个体2的适应度值，则将个体1作为第i选择出的个体
    if fit1>=fit2
        Selch(i,:)=Chrom(index1,:);
    else
        %如果个体1的适应度值 小于 个体2的适应度值，则将个体2作为第i选择出的个体
        Selch(i,:)=Chrom(index2,:);
    end
end
end

今天主要讲一下二元锦标赛选择和轮盘赌操作具体的执行过程。

02 | 二元锦标赛选择

比如说有5个个体，每个个体的总距离分别如下（总距离越小越好）：

个体1：11

个体2：12

个体3：13

个体4：14

个体5：15

初始选择出的个体为空，即Selch=[]。

那么我们需要选择5次，每次随机选出2个个体。

第1次。假设选出个体1和个体3，很明显个体1总距离更小，所以个体1更好，因此第1次选择个体1，并将个体添加到Selch中，此时Selch=[个体1]。

第2次。假设选出个体2和个体4，很明显个体2总距离更小，所以个体2更好，因此第2次选择个体2，并将个体添加到Selch中，此时Selch=[个体1; 个体2]。

第3次。假设选出个体2和个体5，很明显个体2总距离更小，所以个体2更好，因此第3次选择个体2，并将个体添加到Selch中，此时Selch=[个体1; 个体2; 个体2]。

第4次。假设选出个体2和个体1，很明显个体1总距离更小，所以个体1更好，因此第4次选择个体1，并将个体添加到Selch中，此时Selch=[个体1; 个体2; 个体2; 个体1]。

第5次。假设选出个体4和个体5，很明显个体4总距离更小，所以个体4更好，因此第5次选择个体4，并将个体添加到Selch中，此时Selch=[个体1; 个体2; 个体2; 个体1; 个体4]。

选择5次后的Selch=[个体1; 个体2; 个体2; 个体1; 个体4]。

03 | 轮盘赌

%
%      @作者：随心390
%      @微信公众号：优化算法交流地
%
%输入pSwap：选择交换结构的概率
%输入pReversion：选择逆转结构的概率
%输入pInsertion：选择插入结构的概率
%输出index：最终选择哪一个邻域结构，即序号：1 2 3
function index=Roulette(pSwap,pReversion,pInsertion)
p=[pSwap pReversion pInsertion];
r=rand;
c=cumsum(p);
index=find(r<=c,1,'first');
end

因为pSwap=0.2，pReversion=0.5 ，pInsertion=0.3。

所以，p=[0.2 0.5 0.3]，c=[0.2 0.7 1]。假设随机数r=0.6那么index就是从左向右找出0.6比c中元素小的第一个位置，此时index=2。

04 | MATLAB代码链接

微信关注：优化算法交流地，后台回复GATSP即可提取代码。

更多资源，尽在优化算法交流地。

往期精彩

• 号内搜索
• 遗传算法（GA）求解旅行商问题（TSP）附MATLAB代码
• 车辆路径问题（VRP）合集
• 遗传算法求解0-1背包问题（附matlab源代码）
• 模拟退火（SA）算法求解旅行商 （TSP）问题MATLAB代码讲解
• 多目标优化 | 基于NSGA-II的多目标0-1背包问题求解（附matlab代码）
• 多目标优化 | NSGA-II进阶教程（全网首个三目标优化教程）
• 机器学习 | 基于遗传算法的BP神经网络优化算法（附MATLAB代码）
• 遗传算法求解车间调度问题（附MATLAB代码）
• 多目标优化 | NSGA-II
• word转换为pdf后图片失真的解决办法（全网首发）
• 机器学习 | 简单实现Bp神经网络
• 二维装箱问题之BL法修正版（附MATLAB代码）
• 快速入门文献管理软件-EndNote X9
• 最小二乘法（附MATLAB代码）
• NSGA-II多目标优化算法讲解（附MATLAB代码）
• 基于人工势场法的机器人二维路径规划（附MATLAB代码）
• 基于粒子群算法的多目标搜索算法讲解（附MATLAB代码）
• 蚁群算法通俗讲解（附MATLAB代码）