遗传算法在解决TSP时应该有多远

Question

我正在学习遗传算法，而我正在练习旅行商问题。

我想知道我应该真实地期望GA能够做些什么。

我在这里尝试了15个城市和48个城市问题TSP sample problems

我的GA非常快速地找到15个城市问题的确切解决方案。然而，它与48个城市问题斗争。我尝试了各种规格的儿童人口规模，我的结果大致如下：

正确解最小距离：33,551

我的GA解决方案距离：~39,000

Random Route distnace：~140,000

我知道GA不能保证给出确切的解决方案，但只能提供一个接近的解决方案，这基本上就是正在发生的事情。

我的问题是：关于GA算法可以解决48个城市问题的问题，或者我做错了什么，我的GA需要一些重大改进？

提前感谢

Answer 1

城市数量越大，问题就越难，而且不仅因为搜索空间更大，而且因为成本函数通常变得更加复杂。

说启发录的表现总是很难（如果不是不可能）（不仅仅是GA，而是所有这些），但在我看来，16％的折扣是非常好的。我相信如果您更改了运算符并使用参数进行了一些修改，性能可能会提高。

每个运营商都对结果有限制和期望。例如，您的交叉算子（正如您在上一篇文章中所述）倾向于增加具有相同子路径的染色体数量，从而导致遗传收敛，并且您使用的变异算子不是最具侵略性的算子之一。因此，我建议您使用其他运算符，看看性能是否有所改善。您可以使用我之前回答中的所有引用来正确理解它们，并且实现不应该太难，因为一旦您理解它们就很简单。

Answer 2

我认为你绝对可以改进。我的目标是误差不超过5％，最好是~1%。