遗传算法之飞机巡航问题 Python实现

遗传算法之飞机巡航问题 Python 实现

一、问题描述

    我方有一个基地，经度和纬度为（70，40）。假设我方飞机的速度为 1000 公里每小时。 我方派一架飞机从基地出发，侦察完敌方所有目标，再返回原来的基地。在敌方每一目标点的侦察时间不计，求该架飞机所花费的时间。（假设我方飞机巡航时间可以充分长；数据附文章末。）

二、代码实现

import codecs
import numpy as np
import random
import matplotlib.pyplot as plt

class Optimization:
    def __init__(self, group_size, generic_times, crossover_probability, mutation_probability, data_num):
        # 遗传算法参数
        self.group_size = group_size  # 种群大小
        self.generic_times = generic_times  # 遗传代数
        self.crossover_probability = crossover_probability  # 交叉概率
        self.mutation_probability = mutation_probability  # 变异概率
        # self.gene_length = gene_length  # 基因长度

        # 系统参数
        self.group = []  # 初始的种群（基因序列, 由 initializer() 初始化）
        self.longtitude = None  # 由 initializer() 初始化
        self.latitude = None  # 由 initializer() 初始化
        self.data_num = data_num  # 总数据条数
        self.distance_matrix = np.zeros((self.data_num + 2, self.data_num + 2))  # 距离矩阵（各点之间的距离矩阵, 由 initializer() 初始化）
        self.data_dir = r"./data.txt"

        # 系统初始化
        self.initializer()

    def initializer(self):
        """
        优化器初始化组件
        :return: None
        """
        print("加载坐标数据...")
        data = self.import_data()  # 获取坐标数据

        # 初始化巡航坐标
        self.longtitude = np.hstack(([70.0], data[:, 0], data[:, 2], data[:, 4], data[:, 6], [70.0]))  # 偶数列为经度
        self.latitude = np.hstack(([40.0], data[:, 1], data[:, 3], data[:, 5], data[:, 7], [40.0]))  # 奇数列为纬度

        # 初始化距离矩阵
        # 将坐标角度转换为弧度制数据
        print("初始化距离矩阵...")
        long = self.longtitude * (np.pi / 180)
        lat = self.latitude * (np.pi / 180)

        # 计算每个点之间的距离，并存放于 dis_matrix 矩阵中
        for i in range(102):
            for j in range(102):
                if i == j:  # 自己与自己的距离为 0
                    continue

                # 三维距离公式求解两点间距离
                tmp = np.cos(long[i] -