基于遗传算法的tsp问题研究(二)

轮盘赌方式竞争选择染色体的模型如图2.2所示。

图2.2 一个表现轮盘赌游戏选择的图标，在这个轮盘中可以被选择的数m是6。圆弧中的那些数字对应的是事物被选择中的可能性。

（三） 程序的运行演示

（1）运行GAApp.exe，界面如图3.1所示。

 

图3.1 程序运行界面

（2）选择“城市坐标文件”，界面如图3.2所示。

 

图3.2 打开“打开文件”对话框

（四） 功能测试

测试在程序设计阶段分为两个阶段，单元测试通常是在编写每个模块之后，另一个阶段是程序的综合测试。

1.测试模块

在测试模块时，我们主要考虑以下事项：

模块;

本地数据结构;

关键行动渠道;

错误管理通道;

影响顶部的边框条件

代码反馈在测试期间从数据类型、声明变量、反馈、数据结构和功能测试进行，然后从一些简单的输入开始，观察操作过程中变量的变化，并在中心值中运行一系列变化。更改测试模型，转换另一个测试的角度，查找错误，并保存修改代码测试条件，使程序通过多个层的字段，判断操作结果，以完成测试模块。

2.总体测试

测试期间使用的调试技术：

使用调试命令跟踪数据

嵌入打印命令和中间结果

使用 Visual Studio 6.0 中的调试工具，注意调试窗口中的变量更改。

设置断点以观察中断点附近的程序条件。

评估运营可靠性问题：

结果是正确的。

运行速度;

使用空间;

算法的可能性

测试结论

经过测试，系统发现每个模块准确、结果正确、工作速度最佳、利用率高、算法可能。

本文根据遗传算法、具体内容，系统地分析了解决TSP问题的背景、发展和发展，具体内容如下：

本文介绍了遗传算法的发展背景以及解决遗传计算问题的思想和过程。

本文阐述了解决TSP问题的所有遗传算法的结构和原理，并确定了遗传算法如何选择基因、交叉和模型方法。

为了分析和解决一些技术问题，在实现过程中创建一个完整的遗传算法来解决程序，通过程序可以对问题进行实际的样本计算。

这个系统在这个开发中还没有完成，好像matlab绘制一条城市路径会使结果更容易，不妨碍适当的局部解，而解决适当的局部问题是遗传算法在优化过程中，很容易出现。