Algorithm 用遗传算法求解TSP问题时的参数

我刚刚开始对遗传算法有所了解，我正在用它来解决旅行商问题。然而，我对应该使用什么参数感到困惑。让我解释一下我所说的参数是什么意思

参数：

人口规模

生产的儿童数量

突变数

我确信上述参数取决于我的问题中的城市数量，以及我的交叉和突变规范的确切形式。但这种关系是什么呢

关于参数应该是什么，有什么经验法则吗？任何类型的提示或建议都会很好

以下是我针对5个城市问题所做的详细说明：

1） 我生成了20条随机路径，总体=20

2） 选择14条最佳路径（丢弃6条最差路径）

3） 从14条最佳路径中随机选择两条路径创建2个突变体

突变数=2

（对于突变，我只是随机交换了两个城市的顺序 例如：

0,1,2,3,4,0

可能变成

0,1,3,2,4,0

4） 我从8条最佳路径创建了4个孩子

子女人数=4

（对于交叉，我保留了相同的子路径，其余的是相同的 随机生成） 例如：父项1:

0,1,2,3,4,0

，父项2:

0,2,1,3,4,0

3,4

是公共路径，因此子路径将从

3,4

，其余是随机的。子路径可以是：

0,3,4,1,2,0

或

0,2,3,4,1,0

5） 现在我有2个变种人和4个孩子，我把他们添加到我的14条最佳路径中 我有20条路

6） 执行步骤2）、3）、4）、5）等

我完全随意设置参数？他们还好吗？我应该用什么？对于15个城市的问题，我应该使用什么参数？48个城市？500个城市

---

提前谢谢。

你的问题非常有趣，也很难回答，很抱歉没有确切的答案。我写了一本关于遗传算法的书，在这本书将近500页的篇幅中，我反复强调参数取决于你的问题

关于您的具体示例，让我们分析您的参数。你有20个人口，每一代你将产生6个不同的孩子。假设你有50代人，你将分析314种解决方案（20个原始个体加上49*6）。假设你有5个城市，你就有5个=120种可能的解决方案，因此使用遗传算法比穷举搜索更耗时

我知道这是一个象征性的问题，你关心的是更大的问题（用你的例子来说是15、48和500）。然而，经验法则是覆盖一小部分搜索空间（在48和500的情况下，这是自动的），以便使用遗传算法的良好特性来指导搜索，您可能会得到一个好的结果。我建议将高达0001%的搜索空间视为整个执行过程中生成的个人总数（对于像500个城市这样的大问题，这可能仍然太多）

关于使用的操作符，有很多话要说（在我的书中，它超过50页）。因此，我将向您推荐一篇作者撰写的精彩评论。尽管它有点旧，但它将为您更好地探索您的问题提供指导。如果您想要更快的引用，请考虑./P>

---

我很抱歉广告，但它不是为了卖书（毕竟，我的书只有葡萄牙语和西班牙语，所以我不认为这个名单上的大多数成员会买它）。我只是想指出，有很多关于这个主题的文献。如果你需要一本有趣的读物（而且你不会说葡萄牙语），我建议，它所提出的观点肯定会帮助你深入了解你的问题。

谢谢你的帮助。你的帖子很有帮助。我现在意识到，我应该问另一个问题，看看我应该从GA那里得到什么。