粒子群算法解决TSP问题

private void evolution() {

for (int t = 0; t < MAX_GEN; t++) {

for (int k = 0; k < scale; k++) {

ArrayList<SO> vii = new ArrayList<>();

//第一部分:惯性保持部分，自身交换对

int len = (int) (w * listV.get(k).size());

for (int i = 0; i < len; i++) {

vii.add(listV.get(k).get(i));

}

//第二部分：自我认知部分，和当前粒子中出现最好的结果比较，得出交换序列

//ra(Pid-Xid)

ArrayList<SO> a = minus(mUnits.get(k).getPath(), Pd.get(k).getPath());

float ra = random.nextFloat();

len = (int) (ra * a.size());

for (int i = 0; i < len; i++) {

vii.add(a.get(i));

}

//第三部分：社会认知部分，和全局最优的结果比较，得出交换序列

//rb(Pgd-Xid)

ArrayList<SO> b = minus(mUnits.get(k).getPath(), ());

float rb = random.nextFloat();

len = (int) (rb * b.size());

for (int i = 0; i < len; i++) {

vii.add(b.get(i));

}

(0);

listV.add(vii);

//执行交换，生成下一个粒子

exchange(mUnits.get(k).getPath(), vii);

}

//更新适应度的值

for (int i = 0; i < scale; i++) {

mUnits.get(i).upDateFitness();

if (Pd.get(i).getFitness() > mUnits.get(i).getFitness()) {

(i, mUnits.get(i));

}

if (() > Pd.get(i).getFitness()) {

Pgd = Pd.get(i);

bestT = t;

}

}

}

}