TSP算法小软件要考虑的问题很多

释永思

# _1 P( W/ \* Y( H9 HTSP算法小软件要考虑的问题很多。
选择遗传算法，蚁群算法，动态规划算法三种算法，
如何让这三种算法有公共的参数，如顶点数，顶点坐标，用户自定义坐标，随机生成坐标。
又如何三种算法有各自不同的参数，如遗传次数，蚁群蚂蚁数。。。
显示的顶点与坐标，如果超出屏幕如何滚动，顶点如何标号，如何显示最后路径标号。。。
3 n8 ~% p  _' n8 @- J( W这三种算法，要如何显示动态求解过程，而不是仅仅显示一个结果。。。
  l+ S3 w( X! T" j* z# R最后决定，不作为压力任务，有空时搞下，没空时算了，不理了。。。
; p7 K& S8 d& o) G
) H5 [+ Y$ x" P TSPv20.rar (222.11 KB, 下载次数: 1)

2016-5-10 14:12 上传

点击文件名下载附件
下载积分: 体力 -2 点

' k% \$ x: F: Q7 K8 H6 w; o
2 [: @; x* |# B0 D5 b% n* a
& }3 q. z0 ~8 y1 N9 |) M$ L' r  x$ @  h

: m2 F9 w1 P" e  s5 u  }- ?

9 \. u/ P; ?/ n3 ]  D
# ?3 S* P! X4 j# s
6 u# T' n4 `* W& V# u
( z. v: h# u) K. b. x8 n

8 `, x& V7 m, F: r" \6 b; t/ P  }) ?% O3 F
8 j' t0 @3 `& V2 {) M/ B* o
/ J+ f5 W' L; r% ~- a

) Y  Y- A% Q, t2 [5 C& r! N  [
4 {0 T3 N* Z0 ?" i9 q2 \" `, i
! Y3 f- ^! v3 a  d/ }
7 y1 q" n, N! r% Q, `
4 M2 h3 `3 i" Z+ c, e! W

) L. D6 L2 r! X8 B% f3 A1 J4 o, C
8 ~1 g: }6 D9 M/ t* \5 |: M
5 {  z6 }3 {, R& _- `' Y! i

释永思

我开发的TSP算法小软件（未完成），暂时如此，下载网址：http://pan.baidu.com/s/1geZdh2F

释永思

我开发的TSP算法小软件（未完成），暂时如此，下载网址：
9 F6 \2 A/ z7 mhttp://pan.baidu.com/s/1o8y7sbK
$ A( `* I9 R  |0 D' a" T比刚才的改正了一些BUG。基本上DELPHI的遗传算法与蚁群算法都可行的了。
) R1 U# {7 M3 Q" B: K现在周末放松下先，下周开始专攻DELPHI的TSP的动态规划算法代码了。
( ]/ ~4 G# H& N) m9 C2 ~小软件，玩下而已，不必太过认真，兴趣玩下。

释永思

首先解决TSP的DP的数据存储问题，所以称为状态压缩法。也就是用二进制字符串表示子集的方法
5 y# e) @/ |- V9 @2 d  ~" }7 {- V. J
) z; Y+ }/ E( F; B, Z9 D5 k。一个TStringList，一行代表一列，即一行本是这样的：   01011101001,P1,P2,,,Pn，
% t7 J7 w3 x" `, o! j& B5 k4 U这样用TStringList来做是可能正确的方法。
6 P! z: Y' e5 L0 }/ V* c* [* U% @由于不可能太大量，所以不用TStringList来做，改用数组来做，这样一样用二进制字串代表表示
" h, g& W8 B! ?: l. w- P' {+ m
% C% i0 p" F! E子集的方法，就成为方向了。

释永思

经过一段时间的辛苦研究开发，TSP问题算法小软件V1.0终于开发完成了，先发出来让大家使用下
先，有什么BUG以后再理了。有遗传算法，蚁群算法，动态规划算法，三种算法同时求解，GUI图
形路径显示，方便大家学习研究。
7 ]3 y# j$ [8 e下载网址：http://pan.baidu.com/s/1nveqIV3

释永思

我现在开始学习思考，遗传算法，蚁群算法，动态规划，在求连续函数的极值中的应用。
在TSP中的应用我已经知了，在连续函数中求极值，又要学习一番了。

释永思

自思自悟：
蚁群求极值：
一开始M个蚂蚁，平均取值，得到M个适应值。
由M个适应值，按比例比重调整信息素，
/ n* z" N# _8 N* a( t3 x/ x下次产生随机点时，不是平均产生，是按信息素产生，
( R( L$ p0 P0 p" C! Y: E就是这么简单。
  v7 e( L$ F- c1 n4 l不理什么路径。蚁群在求函数极值时路径对应什么，实在想不出来。
1 Y/ `# H5 u: u& W
遗传算法求极值：
, w' H7 X3 ~9 C4 c一开始M个种群，平均取值，得到M个适应值。
% d4 M: n: O6 c- N- ]0 Z3 E交叉变异，又得N个适应值，排序筛选种群。重复。
如何交叉变异，这是数字游戏。

释永思

关于思考一个数字与一条路径的对应关系，又令我一个午睡没法睡着。
& u4 G1 q: e7 {) z8 ]/ Y  N我这样想，一个数字，假定是固定的N位数，则每位数是十进制，就是N重循环，每重循环取十个数字。
1 ~( P5 r1 J9 x3 V" M& n* L这如同一个图，有N个点，每个点十条边，穷举历遍所有路径，就是N位数字的全部数字。这样，就可以和蚁群中的路径对应上了，就可以用蚁群中的节点信息素来运用到函数求极值上来了。这样，不用一个蚁点一个信息素，而是一位数字一个信息素，与TSP路径可以对应上了。为思考此，我又一个午睡没有睡着了。
% t/ F$ Z' f& T) M. N$ f( i+ m2 C! Y

& j5 G+ p' @( w2 \3 f7 J0 v, p
8 A0 o" x1 T% o( i2 e
9 @, N4 y5 M: \: s6 c; `6 J