我正在学习遗传算法，并且正在练习旅行商问题。
我想知道我应该实际期望 GA 能够做什么。
我在这里尝试了 15 个城市和 48 个城市的问题TSP 示例问题
我的 GA 很快就找到了 15 个城市问题的确切解决方案。然而，它与 48 城市问题作斗争。我尝试了各种规格的儿童数量和人口规模，我的结果大致是这样的：
正确解最小距离：33,551
我的 GA 解决方案距离：~39,000
随机路线距离：~140,000
我知道 GA 不能保证给出确切的解决方案，而只能提供一个接近的解决方案，这基本上就是正在发生的事情。
我的问题是：对于 48 个城市的问题，我离 GA 算法还差多远，还是我做错了什么，我的 GA 需要一些重大改进？
先感谢您
城市数量越多，问题就越难，这不仅是因为搜索空间更大，还因为成本函数通常变得更加复杂。
总是很难（如果不是不可能的话）说明启发式算法的性能如何（不仅仅是 GA，而是所有这些），但在我看来，16% 的折扣是一笔不小的数目。我相信如果您更改运算符并稍微修改参数，性能可能会有所提高。
每个操作员对结果都有限制和期望。例如，您的交叉算子（如您在上一篇文章中所述）往往会增加具有相同子路径的染色体数量，从而导致遗传收敛，而您使用的变异算子并不是最具攻击性的算子之一。因此，我建议您使用其他运算符，看看性能是否有所提高。您可以使用我之前对您的回答中的所有参考资料来正确理解它们，并且实施不应该太难，因为一旦您理解它们就很简单。
我认为你绝对可以改进这一点。我的目标是误差不超过 5%，最好是~1%.