如果我有节点网络，我如何使用遗传算法计算任意两个节点之间的最短路径？
答案 0 :(得分：5)
查看伪代码部分
好的，然后看看A Genetic Algorithm Approach to Solve the Shortest Path Problem for Road Maps
或
Solving Travelling Salesman Problems Using Genetic Algorithms
答案 1 :(得分：3)
如何使用GA解决TSP问题？
TSP是NP完全问题。那就是找不到一个 多项式时间中TSP问题的解决方案。但是，考虑到了 解决方案可以验证它是否是多项式时间的解决方案。
可以研究诸如遗传算法的元启发式方法 作为解决TSP问题的工具，因为基于人口 他们经营的方法。这样他们就可以“处理”大量的 算法运行中的解决方案。使用GA解决任何问题 我们需要定义以下内容：
健身功能：这里的健身功能很容易定义。它 应该是推销员必须经过一定距离的距离 尽可能游览城市。我们力求在TSP中尽量减少这种情况。
染色体：染色体可以简单地定义如下 - 假设 我们有五个城市A，B，C，D和E.然后想象一个长度的染色体 5，染色体的每个“槽”包含5个中的任何一个 城市。例如，在我们的例子中，A，C，D，B，E是有效的染色体。
交叉算子：在GA中使用交叉算子来“混合”两个 父母希望得到更健康的孩子。各种交叉 运营商可以在GA文献中找到，每个都有不同的 实现同样的事情的方式。例如，考虑单点 交叉。它随机选择一个交叉点，然后互换 两者之间的比特。没有进入其他专业 交叉运营商，让我们看看什么是一个很好的交叉 我们的运营商。在我们的例子中，两个父染色体将各自有一个 A，B，C，D，E的排列。无论我们选择哪种交叉方法，我们都有 在这里照顾一个事实：交叉运营商不应该 创造一个孩子，其中一个城市不止一次出现，即一个 染色体无效。一个这样的交叉运算符是“订单 Crossover“（OX）可以在这里使用。
突变：突变可以像简单地交换两个位置一样简单 在这里的单一染色体上。
总的来说，这就是使用GA的TSP如何运作：
您创建了一个人群，每个人的大小为5， 并包含A，B，C，D，E的排列（将有很多 重复相同的排列）
您启动GA并在每次运行中评估每个人 通过计算距离使用适应度函数的基础 给你的距离参数
Crossover，Mutation改善个体，最终改善 解决方案将是具有最佳旅游的个人，即。最优的 A，B，C，D，E的排列。
希望有所帮助！