20231010-遗传算法解旅行商问题-优化

Genetic_algorithm/src/TSP.java

@@ -6,12 +6,12 @@ public class TSP {
     private static int city_num=30;//每个种群里的城市数量
     private static int iterative=500;//迭代500代
     private static double[]possible;
-    private static double[][]city={{ -0.07, 0.60 }, { 0.86, 0.17 }, { 0.94, -0.49 }, { 0.69, -0.54 },
-    { 0.66, -0.15 }, { 0.39, 0.67 }, { 0.87, 0.08 }, { -0.97, 0.92 }, { 0.81, 0.03 }, { -0.41, 0.82 },
-    { 0.10, -0.29 }, { -0.22, -0.66 }, { 0.74, -0.95 }, { -0.09, -0.24 }, { 0.93, 0.55 }, { 0.86, 0.66 },
-    { -0.67, 0.80 }, { 0.14, -0.23 }, { -0.64, 0.34 }, { -0.38, -0.08 }, { -0.82, -0.75 }, { 0.40, 0.82 },
-    { 0.56, 0.34 }, { -0.76, -0.08 }, { 0.78, -0.22 }, { -0.60, -0.81 }, { 0.41, -0.76 }, { 0.81, 0.52 },
-    { 0.92, 0.97 }, { -0.13, -0.24 }};//城市坐标
+    private static double[][]city={{ -0.05, 0.85 }, { 0.76, 0.37 }, { 0.34, -0.89 }, { 0.69, -0.54 },
+    { 0.26, -0.45 }, { 0.32, 0.57 }, { 0.57, 0.88 }, { -0.57, 0.82 }, { 0.71, 0.05 }, { -0.61, 0.72 },
+    { 0.10, -0.29 }, { -0.22, -0.66 }, { 0.74, -0.95 }, { -0.09, -0.24 }, { 0.93, 0.55 }, { 0.36, 0.56 },
+    { -0.35, 0.81 }, { 0.14, -0.23 }, { -0.54, 0.94 }, { -0.38, -0.08 }, { -0.82, -0.75 }, { 0.40, 0.82 },
+    { 0.86, 0.54 }, { -0.67, -0.18 }, { 0.76, -0.32 }, { -0.60, -0.81 }, { 0.41, -0.76 }, { 0.81, 0.52 },
+    { 0.82, 0.77 }, { -0.14, -0.35 }};//城市坐标
 
     //【*入口函数：TSP整体算法主体】
     public static void main(String[] args) throws Exception {
@@ -31,13 +31,14 @@ public class TSP {
             possible=cal_possible(sample);
             sample=select(sample);
 
-            best=find_best(sample);
+            best=find_the_best(sample);
 
             System.out.println();
             System.out.println(String.format("【-----第%d代-----】", i+1));
             System.out.println(String.format("【适应度最大值】%f", best.fitness));
             System.out.println(String.format("【路程最小值】%f", 1/best.fitness));
             System.out.println();
+            
         }
 
     }
@@ -81,7 +82,7 @@ public class TSP {
     }
 
     //【*辅助方法：挑选父个体】
-    static CityPoint sel_father(ArrayList<CityPoint>father_group){
+    static CityPoint select_father(ArrayList<CityPoint>father_group){
         Random random =new Random();
         double t =random.nextDouble();//随机生成一个0到1之间的浮点数t，用来与个体被抽中的概率进行比较
         int i;//这个i之后也被当成索引用
@@ -94,8 +95,8 @@ public class TSP {
     }
     //【*辅助方法：繁殖，获得子代】
     static CityPoint get_child(ArrayList<CityPoint>father_group){
-        CityPoint parentA=sel_father(father_group);//从父种群中挑出一个父个体
-        CityPoint parentB=sel_father(father_group);//从父种群中挑出第二个父个体
+        CityPoint parentA=select_father(father_group);//从父种群中挑出一个父个体
+        CityPoint parentB=select_father(father_group);//从父种群中挑出第二个父个体
         int[]tmp=new int[city_num];//创建一个长度为个体元素数的数组（30）
         Random random=new Random();
         int indexA;//定义两个指数，作为两个父个体的交换点
@@ -166,7 +167,7 @@ public class TSP {
     }   
     
     //【*主方法：判断当前最优值】
-    static CityPoint find_best(ArrayList<CityPoint>group){
+    static CityPoint find_the_best(ArrayList<CityPoint>group){
         CityPoint best=group.get(0);//暂时将数组中的第一个元素视作最优解
         for(CityPoint group_indi:group){//遍历传入的数组
             if(group_indi.fitness>best.fitness)//每次遍历到的个体都和当前的最优解做比较，如果当前遍历的种群个体适应度>当前最优解的适应度