相信很多人都了解過遺傳算法，屬于啟發式算法。

遺傳算法的資料很多，這里不多贅述，簡單說一下建模流程：編碼(coding and decoding)，將問題的可行解轉換成計算機理解的語言，也就是數字。

建立種群(population)，也就是可行解的集合，比喻成一堆螞蟻。

挑選合適的評價函數(fitness)，怎么認為一個螞蟻優秀，評價結果為數字y，那y越大越優秀。

進化(evolution)，挑選出比較優秀的螞蟻，進行交叉組合和變異，生成新的螞蟻，挑選出新的種群，進化多輪次后找出最優解。

重點與難點有三點：如何建立種群，也就是建構最初始的可行解的集合。

比如我們求 y = sin(10*x)*x 在 [0,1]上的最大值，那我們需要將一堆[0,1]區間內的小數轉換成所謂的“螞蟻”。編碼規則有幾種，編碼方式有很多，一般采用二進制編碼，具體的方式可以參照下面的鏈接進行細致的學習。遺傳算法_百度百科?baike.baidu.com

我們把[0,1]分成1000等份，那就是0,0.001,···到1。1001個點， 2 * 9 < 1001 < 2 ** 10，所以需要10位的編碼，比如0101010101，如何將它與[0,1]的數字一一對應，保證我們的集合包括了所有的可行解呢？由等比數列公式易得：

這樣，我們的編碼解碼過程確立。

2. 挑選合適的評價機制。怎么認為它優秀呢，y = sin(10*x)*x ,y越大越優秀；求郵遞員送信的最短距離，那距離越小越優秀，但適應度(fitness)是單向的，一般我們認為越大越好，所以求解最小化的問題，需要求解倒數變成求解最大化問題。

3. 進化，這里的進化指的是兩個個體拿出各自的基因，進行交叉配對，比如

A —— [0,1,1,0] B——[1,0,0,0] 拿出A的前兩位，B的后兩位，組合成C ——[0,1,0,0]這樣就組成了一個新的個體，當然很多問題需要特殊的進化方法，比如tsp問題。

變異，比如C的某一位變化了，這時采用二進制編碼的好處也出來了，變異操作簡單，0-1轉換，變異概率很低，但有可能達到好的效果，所以變異的操作不能少。

挑選新種群的時候，一般是有放回的拿，誰的適應度高，誰被抽中的概率大，按照這樣的方式建立新的種群，接著進化，直到達到終止條件。

接下來我們介紹tsp問題——TSP問題(Traveling Salesman Problem)又譯為旅行推銷員問題、貨郎擔問題，是數學領域中著名問題之一。假設有一個旅行商人要拜訪n個城市，他必須選擇所要走的路徑，路徑的限制是每個城市只能拜訪一次，而且最后要回到原來出發的城市。路徑的選擇目標是要求得的路徑路程為所有路徑之中的最小值。——百度百科

我們用遺傳算法怎么解決這個問題呢？

按照之前的流程來，如何編碼解碼呢？每一個解法是一條路徑，有起點，終點和途徑的每一個點，二進制編碼很困難，很難表示，這里我們采用直接編碼的方式，用點的順序表示一條路徑，比如共三個點，那[0,1,2]，就是從0點出發，途徑1點，最終到達2點。

總解法只有6個，種群個數不重要，那評價函數呢，總路程是我們想評價的指標，那取倒數可以將問題轉化為最大化問題，可是取倒數后，適應度的差異可能很小，可以采用指數，求e的冪次方，來增大適應度的差異。

如何進化，兩個路徑如何交叉配對，莫煩的解法是隨機選取一些下標，把他們作為一個新數組，另外的數字從另一個路徑中取，順序按照此路徑的方法，這樣就使得每一個點都走了一遍。我在想更好的進化操作，應該會有。

變異，隨機交換兩個點。

值得一說的是，這里交叉的概率設置的比較低，只有0.1；變異的概率和一般問題相似，0.003。

具體的講解視頻可見嗶哩嗶哩的莫煩python

具體代碼如下：https://github.com/MorvanZhou/Evolutionary-Algorithm/blob/master/tutorial-contents/Genetic%20Algorithm/Travel%20Sales%20Person.py?github.com

總結

以上是生活随笔為你收集整理的莫烦python进化算法_使用遗传算法解决TSP问题（莫烦python 学习笔记）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。