佳点集遗传算法求解安徽十七的TSP问题

佳点集遗传算法求解安徽十七市的TSP 问题
姓名：杨少鹏 学号：E200902032
1． 主界面说明：
本程序的核心代码部分封装在TspGA.dll 中，在GAApp 工程中直接调用，计算安徽17市的TSP 问题。

程序运行结束之后会在D 盘根目录下生成两个文件：gacitysfile.txt （最终结果的城市坐标文件）和gaitersfile.txt （迭代过程中每一代的最优路程），利用Matlab 画图程序可以画出最短路径过程图和求解的路径。

本程序又把得到的结果与用普通的遗传算法求解的结果作对比。

利用Matlab 画图程序得到的两组结果如下图所示:
0.850.90.951
1.051.11.15
4
后代次数
最短路径路程
路径优化过程
500
1000
1500
2000
2500
3000
Ｘ坐标
Ｙ坐标
求解路
径
图一：佳点集算法一次完整执行后的结果
1.3
1.321.34
1.361.381.41.42
1.441.46
1.484
后代次数
最短路径路程
路径优化过程
500
1000
1500
2000
2500
3000
Ｘ坐标
Ｙ坐标
求解路径
图二：普通遗传算法一次完整执行后的结果
2. 动态链接库说明
1）gacode.h 算法中所需结构体的定义，包括SYCoordinate、SYCity、SYCityDistance、SYRouter
2）gacode.cpp 算法中所有功能函数的实现，主要包括InitialGA、CountCityDistance、CreateCityRouter2opt、CountTotalDistance、CreateFitnessofPop、SelectPop、CrossoverPop、Crossover、MutationPop、OneIterGACompution等等。

后面将分别介绍这些功能函数的作用。

3）MainFrm.cpp流程控制函数的实现，该函数是GACompution。

后面将详细介绍该函数的流程。

3.流程控制函数和功能函数的介绍(主要部分)
流程控制函数GACompution控制循环的迭代和结束，其主要代码如下：
UINT GACompution(LPVOID pParam)
{
int totalgen = GetTotalGeneration(); //获取遗传算法的迭代总代数
int nowiter = 0;
while( nowiter <= totalgen && nowiter >= 0 ) //判断迭代次数是否大于迭代总代数，大于则停止计算
{
nowiter = OneIterGACompution(); //进行一代计算，包括竞争选择、交叉和变异
}
}
下面是一些重要的功能函数的说明：
OneIterGACompution() 最重要的功能函数是，它完成一代的计算，包括竞争选择、交叉和变异，在gacode.cpp中实现，其主要代码如下
int OneIterGACompution()
{
CreateFitnessofPop(FITNESS_MODE); //为每个染色体计算评价函数
SelectPop(); //群体竞争选择
CrossoverPop(CROSSOVER_MODE); //种群交叉
MutationPop(MUTATION_MODE); //种群变异
NowGenNumber++; //当前代数递增
return NowGenNumber;
}
CreateFitnessofPop() 对群体中的每个染色体计算适应函数/评价函数，采用基于序的计算方法。

SelectPop() 轮盘赌方式竞争选择染色体。

Crossover() 两染色体的交叉实现，提供两种交叉方式，
（1）常规交叉；
（2）佳点集交叉，佳点集具体算法思想参考：求解货郎担问题_TSP_的佳点集遗传算法（计算机工程应用：赵春英，张铃）；佳点集遗传算法（计算机学报：张铃，张钹）
程序中与普通遗传算法的主要区别是交叉操作，其他部分基本一样。

另外本程序的编码方式采用十进制编码。