下载文档原格式
旅游路线设计论文旅游路线设计论文研究方案一、研究目的和意义旅游路线设计作为旅游领域的重要研究课题，对于提升旅游者的旅游体验、推动旅游产业发展具有重要意义。
本研究旨在通过实地调查和数据分析，结合已有研究成果，提出创新观点和方法，为实际问题解决提供有价值的参考。
二、研究方法1.实地调查：选择多个旅游景点进行实地考察，包括但不限于自然景观、文化遗产、主题公园等。
通过走访、观察，并进行记录。
2.问卷调查：设计问卷，对旅游者进行调查，了解他们对旅游路线设计的需求、偏好以及意见。
采取随机抽样的方式进行调查。
3.数据收集：通过相关旅游局、旅行社、酒店等机构获取相关数据，包括游客流量、游客满意度、游客评价等。
4.数据分析：使用统计软件对收集到的数据进行整理和分析，包括描述性统计分析、相关性分析、因子分析等。
结合研究目的和已有研究成果，提出新的观点和方法。
三、研究步骤1.确定研究目标：明确研究的目的和意义。
2.文献综述：对旅游路线设计的相关研究成果进行综述，了解已有的理论基础和研究现状。
3.确定研究样本：选择多个旅游景点作为研究样本，并确定样本量。
4.实地调查：进行实地考察，记录景点的特点、旅游设施等情况。
5.设计问卷：根据实地调查的结果，设计适用于本研究的问卷，包括旅游者对景点的评价、游客需求、旅游路线的满意度等内容。
6.问卷调查：进行问卷调查，收集旅游者的意见和建议。
7.数据采集：通过相关机构收集游客流量、游客满意度调查等数据。
8.数据分析：使用统计软件进行数据整理和分析，提取有价值的信息。
9.结果讨论：根据数据分析的结果，结合已有研究成果进行讨论，提出新的观点和方法。
10.结论和建议：根据研究结果，总结研究成果，提出对旅游路线设计的改进建议。
四、方案实施情况本研究采取了实地调查和问卷调查的方式对旅游路线设计进行研究。
选择了多个具有代表性的旅游景点进行实地考察，记录景点的特点、旅游设施等情况。
根据实地考察的结果，设计了适用于本研究的问卷调查。
旅游线路的优化设计摘要与时间T、在基本假设和符号说明的基础上，建立了最优线路Rm花费S的函数F(S,T).对于第一问本文以十一个城市的经纬度坐标算得城市之间的距离，构造成完备图,进而用TSP算法,使用蚁群算法程序解得最优路径和最少费用为3394元并设计出行程表.第二问以完全城市之间距离的最短时间为权重，运用0—1变量来控制住宿等不确定因素，使用lingo算法确定最优路径和最短时间为185小时.第三问和第四问是建立在第一和第二问的基础上，添加约束条件S≤2000元T≤120小时，使用排除法得到最终结果：第三问的最少费用为1998元，游览城市8个，第四问的最短时间为107小时，游览城市7个；第五小问是第三和第四小问的有机整合，同时考虑时间和花费的约束，联系实际情况，得到最终结果为；最少费用1848元，对应的最短时间为103小时，游览城市为5个。
最后，给出模型的优点和缺点的说明。
关键字：完备图 蚁群算法 0—1规划 约束条件一、问题重述江苏徐州有一位旅游爱好者打算现在的今年的五月一日早上8点之后出发，到全国一些著名景点旅游，最后回到徐州。
由于跟团旅游会受到若干限制，他(她)打算自己作为背包客出游。
他预选了十个省市旅游景点，如表所示：现假设：省市 景点名称 在景点的最短停留时间江苏 常州市恐龙园 4小时山东 青岛市崂山风景区 6小时北京 八达岭长城 3小时山西 祁县乔家大院 3小时河南 洛阳市龙门石窟 3小时安徽 黄山市黄山 7小时湖北 武汉市黄鹤楼 2小时陕西 西安市秦始皇兵马俑2小时江西 九江市庐山 7小时浙江 舟山市普陀山 6小时(A) 城际交通出行可以乘火车(含高铁)、长途汽车或飞机（不允许包车或包机），并且车票或机票可预订到。
(B) 市内交通出行可乘公交车(含专线大巴、小巴)、地铁或出租车。
(C) 旅游费用以网上公布为准，具体包括交通费、住宿费、景点门票(第一门票)。
晚上20：00至次日早晨7：00之间，如果在某地停留超过6小时，必须住宿，住宿费用不超过200元/天。
旅游线路的优化设计作者：陈鑫刘汗青徐常恒来源：《科教导刊》2011年第28期摘要本文主要研究最佳旅游路线的设计问题，在满足相关约束条件的情况下，在规定的时间内花最少的钱游览尽可能多的景点是本设计的理想目标。
基于对此的研究，建立数学模型，设计出最佳的旅游路线。
关键词最佳线路 TSP Hamilton圈综合评判 0-1变量中图分类号：F592文献标识码：AOptimization of Tourism RouteCHEN Xin, LIU Hanqing, XU Changheng(College of Mechanical Engineering, Southwest Jiaotong University, Chengdu, Sichuan 611756)AbstractThis paper studies the problem of optimal design of tourist routes, to meet the constraints related to the case, within the prescribed time to spend the least money to visit as many attractions is the ideal goal of this design. Based on this study, a mathematical model, to design the best tourist routes.Key wordsbest route; TSP Hamilton;comprehensive evaluation; 0-1 variable随着经济的发展，人们的生活水平不断提高，旅游已成为日常生活中一项重要活动。
江苏徐州的一位旅游爱好者打算今年的五月一日早上8点之后出发，到全国十个著名景点旅游，最后再回到徐州。
他考虑到跟团旅游受限太大，打算自己作为背包客出游。
毕业设计文献综述计算机科学与技术旅游线路优化设计一、前言部分：遗传算法（Genetic Algorithm）是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它是有美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）[1-3]。
遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。
每个个体实际上是染色体(chromosome)带有特征的实体。
染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。
因此，在一开始需要实现从表现型到基因型的映射即编码工作。
由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学的遗传算子（genetic operators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。
这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。
二、主题部分旅游线路优化设计是一个旅行商问题，通过c++,matlab等多种软件对于初始数据进行分析运算，并将其合理运用以建立模型，最后采用遗传算法对数据进行运算。
毕业设计文献综述旅游管理旅游线路设计研究（一）国内外研究现状随着当今旅游业的发展，各种旅行社、旅游方式都如雨后春笋般冒了出来。
随着业内竞争的加剧，好的旅游线路就成为了吸引消费者，制胜于竞争对手的关键所在。
在旅游线路的设计方面，我国旅行社设计的线路多是大同小异，长年以来，各种旅行社针对整个国内外市场提供相似的旅游线路，导致竞争恶化，游客投诉不断。
就目前市场上存在的旅游线路来看，很少有真正能够使游客满意的旅游线路。
策划精品旅游线路，打出特色品牌，才能赢得消费者的认同和忠诚，提高自身在市场上的竞争能力。
通过对以上文献的整理，可以得出这些文献主要研究了我国旅游线路设计的现状和存在的问题，旅游线路设计调整和创新的必要性以及对如何解决这些问题提出了一些想法。
这些文献在目前旅游线路越来越无法满足游客需求的情况下，为今后旅游线路设计的发展指出了一个正确的方向，使设计出的旅游线路更加具有竞争力和生命力。
（二）研究主要成果1、在旅游线路设计流程方面研究成果王燕，张燕燕在《旅行社旅游线路设计剖析》中讲到：在西方市场，旅游线路的设计和生产任务主要是旅游经营商负责，他们有一套比较成熟规范的流程：市场调研，产品计划，谈判与定价，宣传手册的制定。
国内的旅游线路设计过程并没有明确的规定，目前国内有多种常见的旅游线路设计的流程：①确定目的地—选择地接社—确定价格—市场营销；②创意阶段—选择阶段—产品研制阶段—产品试销阶段；③产品设计方案的拟定和选择—试产和试销—投入市场—检查与评价。
2、在国内旅游线路设计现状及存在的问题方面的研究成果陈志辉在《我国旅行社旅游线路创新设计的思考》一文中讲到我国旅行社旅游线路的现状：①旅游线路同质化强；②团队观光游线路为主；③主题旅游线路逐渐增多；④缺乏专利保护。
王燕，张燕燕在《旅行社旅游线路设计剖析》中讲到我国旅游线路设计中存在的问题：①旅游线路设计流程不规范；②对旅游线路的开发不慎重；③旅游线路设计重点虚调整。
毕业设计文献综述旅游管理旅游线路的设计及开发探讨一、引言旅游线路是一种综合性较强的旅游产品，随着旅游业的不断发展，越来越多的人开始选择外出旅游，而在外出旅游时，他们都希望在最短的时间内可以看的更多，体验的跟多。
旅游者的旅游需求也趋向于更加的灵活化，多样化等等。
而旅游线路设计的还坏，是否合理直接影响到旅游六要素中的吃、住、行、游等。
所以旅游线路的设计一定考虑到旅游者的需要，以旅游者的旅游行为为设计基础，同时还要考虑到旅行社的硬件和软件设施设备及个旅游景点的特色等。
因此旅游线路的设计和开发在整个旅游产品和旅游产业链中扮演着越来越重要的作用。
二、旅游线路概念的探讨有关旅游线路的概念，不同的学者有不同的理解。
雷明德认为旅游线路是旅游部门为旅游者设计的进行旅游活动的路线，是由交通线把若干旅游点或旅游市域合理地贯穿起来的路线。
马勇（1992）认为，旅游线路是指在一定的区域内，为使游人能够以最短的时间获得最大观赏效果，由交通线把若干旅游点或市域合理地贯穿起来，并具有一定特色的路线。
也有的学者认为旅游线路是旅游服务部门根据市场需求，结合旅游资源和接待能力，为旅游者设计的包括整个旅游过程中全部活动内容和服务的旅行游览路线。
我认为旅游线路就是旅游者的外出旅游的一个安排，是个要素的一个组合。
三、旅游线路研究的必要性旅游线路设计包括旅游规划专家在旅游规划中所设计的旅游线路、景区景点详细规划里的游道设计和旅行社负责人设计的旅游线路。
本文以旅行社的旅游线路设计为主要研究对象。
科学的旅游线路设计，有助于旅游景区（点）之间优势互补，旅游六大要素统筹配置，是旅游业发展到一定阶段必然要解决的问题，也是满足旅游者需求的首要条件。
旅线路设计的研究是伴随着中国旅游学术研究的发展而发展的。
管宁生在《关于旅游线路设计若干问题的研究》中说到，一个孤立的景点很难对旅游者产生很强的吸引性，其所含的信息量也是有限的。
而旅游者都有这样的心理，在有限的费用和时间内希望能获得最大的效益。
旅游线路的优化设计摘要本文是以江苏徐州一位旅游爱好者自己作为背包客预选了十个省市旅游景点旅游为例，是一个典型的旅行线路的线性优化规划模型和图论模型。
首先，在不考虑时间的影响下，我们以每个景点城市之间的城际交通费用关系，建立了一个遍历景点时费用最少的最优旅游路线的规划线性模型，并通过LINGO软件对模型进行求解，得出一条最优路线，结合景点及交通的实际情况对路线的做出了具体分析，并给出了一个包括具体的交通信息 (包括车次、航班号、起止时间、票价等)、宾馆地点和名称，门票费用，在景点的停留时间等信息的行程表。
其次，在不考虑旅游费用的条件下，我们以每个景点城市之间的城际航线距离建立一个关系矩阵，运用该关系矩阵建立一个遍历所有景点时耗时最少的线性0-1 规划模型，运用LINGO软件求解得到一条时间最优旅游路线，结合航班的时间信息及城际交通连接关系，修改并完善具体了最优路线的具体信息，并给旅游者列出了具体的行程表。
最后，在前两个模型的条件基础上，不断强化条件，先分别对旅游费用及旅游时间进行约束，对此，我们分别建立了一个遍历景点个数最多的决策模型和图论模型，并运用“贪心算法”“最短路算法”分别求解，得出了两种限制条件下的最优旅游路线规划及遍历最优景点个数都为7个，并结合实际情况分析，分别作出了具体的旅游行程表。
对最后条件强化为对旅游费用及时间都进行限制约束时，在前面几个模型及模型的解的基础上，我们建立了一个以遍历景点个数最多为目标，旅游费用及时间为约束的0-1目标规划模型，并运用LINGO软件求解得出了最多景点个数为7个。
关键字：旅游路线规划模型LINGO软件贪心算法图论1.问题重述江苏徐州有一位旅游爱好者打算现在的今年的五月一日早上8点之后出发，到全国一些著名景点旅游，最后回到徐州。
由于跟团旅游会受到若干限制，他(她)打算自己作为背包客出游。
他(她)预选了十个省市旅游景点。
于是我们为他(她)设计出了不同条件下的优化旅游路线，为此我们需要解决如下问题:1.如果时间不限，游客将十个景点全游览完，至少需要多少旅游费用？建立相关数学模型并设计旅游行程表。
2019年3月第5期缘2科枚Journal of Green Science and Technology青岛崂山景区旅游线路优化设计李士杰，张賦，张宏宇，李泽,方玉琲，董彬(临沂大学资源环境学院，山东临沂276000)摘要：指出了青岛崂山是我国重要的海岸山岳风景胜地，以仙道、灵树、异石、神窟、沧海、奇云等景观吸引 了大量国内外游客。
但随着游客数量的增加和年龄结构的多样化，青岛崂山景区逐渐暴露出旅游线路规划布局不合理、设计思路过时等问题。
根据崂山景区自身特点，提出了保留原有优势，挖振特性亮点，优化 原有陆上道路，设计新的海上线路，以期使崂山走上独具特色的旅游产业发展之路.使得海上“第一名山” 的称号更加名副其实。
关键词：旅■游线路；崂山景区；线路优化；海上线路中图分类号:F592 文献标识码：A 文章编号:1674-9944(2019)3-0205-021引言崂山是中国海岸线的第一高峰，被称为海上“第一名山”，有“泰山虽云高，不如东海崂”之美誉。
崂山风景名胜区山海相通，海天贯连，气势恢宏，形成了独具特色 的山海景观，人文景观和自然景观交相辉映的崂山，2001年被评为国家5A 级旅游景区，吸引了大量国内外游客。
但也存在旅游线路利用率低、线路沿途无特色、 部分景点没设计旅游线路等问题，这在一定程度上制约了崂山旅游的发展。
鉴此，为加大吸引力度，打造特色 文化，提升崂山景区的“生气、人气、仙气”，本文对崂山景区陆上旅游线路进行了优化，并根据山海结合的特点设计海上旅游线路，带动沿海景区发展，加强崂山风景区的影响力，使其成为青岛的一个知名标签。
2青岛崂山景区发展的优势2.1自然景观优美独特崂山山脉以巨峰为中心，向四周伸展，其东侧和南 侧直面海洋，海天一色，巍峨壮观。
崂山险峻秀美，处处 是林海山泉、险峰怪石、深谷幽壑，花岗岩景观特色鲜明，象形石姿态万千，加上山海相连、云卷彩霞、烟雾环绕，各种异景奇观相得益彰小；在山脉和海洋的交汇处， 海滩海湾，岬角和礁石交织在一起，呈现出壮丽的山海 景观。
旅游线路优化计划随着旅游业的蓬勃发展，越来越多的人选择旅行作为放松身心的方式。
然而，如何制定一条更加优化和完善的旅游线路，让旅行更加愉快和高效，成为了许多旅行者关注的焦点。
本文将从多个方面出发，提出一份旅游线路优化计划，以帮助旅行者更好地规划他们的旅程。
一、目标定位在制定旅游线路之前，首先需要明确旅行的目标和主题。
是为了文化体验？还是为了美食探索？或者是为了与大自然亲近？只有明确了旅行的目标，才能更好地选择适合的景点和活动，从而优化整条旅游线路。
二、交通工具选择在考虑旅游线路时，交通工具的选择至关重要。
如果时间充裕且预算允许，可以选择自驾游，这样可以更加自由地安排行程，停留在喜欢的地方。
如果想要省时省力，可以选择公共交通工具或者包车服务，确保行程流畅。
三、景点规划在确定了目标和交通工具后，接下来就是规划具体的景点和活动安排。
建议根据每个景点的开放时间、距离以及游览时间来合理安排行程，避免出现赶景点的情况。
此外，可以根据个人喜好和兴趣，选择更加符合自己口味的景点，提升旅行体验。
四、餐饮安排旅行中的餐饮安排也是一个不可忽视的环节。
可以提前调研当地特色餐厅和美食街，规划在适当的时间享用当地美食。
另外，也可以准备一些干粮或者便当，以备不时之需，避免因为饥饿影响行程。
五、住宿选择选择合适的住宿地点同样至关重要。
可以根据行程安排选择靠近景点的酒店或者民宿，方便出行和休息。
同时，也可以根据个人预算和喜好选择不同档次的住宿，确保旅行舒适度。
六、应急准备在旅行中，应急准备是必不可少的。
可以准备一些常用药品、急救包以及旅行保险，以备不时之需。
此外，也可以备好一些纸巾、湿巾等生活用品，方便应对突发情况。
七、沟通联络在旅行过程中，保持良好的沟通和联络也是很重要的。
可以随身携带手机、充电宝等通讯设备，确保与家人和朋友保持联系。
同时，也可以下载一些旅行App，方便查询当地信息和导航。
总结：通过以上的旅游线路优化计划，相信可以帮助旅行者更好地规划和实施他们的旅程。
毕业设计文献综述计算机科学与技术旅游线路优化设计一、前言部分：遗传算法（Genetic Algorithm）是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它是有美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）[1-3]。
遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。
每个个体实际上是染色体(chromosome)带有特征的实体。
染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。
因此，在一开始需要实现从表现型到基因型的映射即编码工作。
由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择（selection）个体，并借助于自然遗传学的遗传算子（genetic operators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。
这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解。
二、主题部分旅游线路优化设计是一个旅行商问题，通过c++,matlab等多种软件对于初始数据进行分析运算，并将其合理运用以建立模型，最后采用遗传算法对数据进行运算。
旅游线路优化也叫巡回旅行商问题（Traveling Salesman Proble- m,TSP），也称为货郎担问题[4]。
它是一个较古老的问题，最早可以追溯到1759年Euler提出的骑士旅行问题。
货郎担问题可以解释为，一位推销员从自己所在城市出发，必须遍访所有城市且每个城市只能访问一次之后又返回到原来的城市，求使其旅行费用最小（或旅行距离最短）的路径。
1948年，由美国兰德公司推动，TSP成为近代组合优化领域的一个典型难题。
它是一个具有广泛应用背景和重要理论价值的组合优化问题。
TSP的搜索空间随着城市规模数n的增加而增大，这类组合优化问题称之为NP完全问题。
在如此庞大的搜索空间中寻求近似最优解，对于常规方法和现有的计算工具而言，存在着诸多的计算困难。
因此，借助遗传演化算法，模仿大自然界生物的繁殖、杂交及其变异的演化过程来解决TSP问题，显得非常必要。
基于以上原因，本人采用经典遗传算法理论及个体实数编码方法设计了此算法，试图进一步探索TSP 组合优化问题的有效解决方案。
解的表示任何单个的n个城市的排列表示一个解（对n个城市的完全旅行），近似最优解是旅行费用最小的n个城市的排列。
若旅行采用二进制编码表示，对TSP问题的解决没有任何的优点。
相反，若采用二进制代码表示，还要求有特殊的修补算法，因为单个位的变化可能引起一个非法的旅行。
于是，本算法中对解（群体中的个体）的表示统一采用整数编码的方法。
如：“1—3—2—5—4—9—7—8—6”表示一个染色体（个体或路径），每一个整数代表一个顶点（城市）的编号。
算法参数设置复制概率：PR=0.2 杂交概率：PC=0.7 变异概率：PM=0.1遗传操作包括以下三个基本遗传算子(genetic operator):选择(selection)；交叉(crossover)；变异(mutation)。
选择从群体中选择优胜的个体，淘汰劣质个体的操作叫选择[5,6]。
选择算子有时又称为再生算子(reproduction operator)。
选择的目的是把优化的个体(或解)直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。
选择操作是建立在群体中个体的适应度评估基础上的，目前常用的选择算子有以下几种:适应度比例方法、随机遍历抽样法、局部选择法、局部选择法。
其中轮盘赌选择法（roulette wheel selection）是最简单也是最常用的选择方法。
在该方法中，各个个体的选择概率和其适应度值成比例。
设群体大小为n，其中个体i的适应度为，则i 被选择的概率,为遗传算法显然，概率反映了个体i的适应度在整个群体的个体适应度总和中所占的比例.个体适应度越大。
其被选择的概率就越高、反之亦然。
计算出群体中各个个体的选择概率后，为了选择交配个体，需要进行多轮选择。
每一轮产生一个[0，1]之间均匀随机数，将该随机数作为选择指针来确定被选个体。
个体被选后，可随机地组成交配对，以供后面的交叉操作。
交叉在自然界生物进化过程中起核心作用的是生物遗传基因的重组(加上变异) [7,8]。
同样，遗传算法中起核心作用的是遗传操作的交叉算子。
所谓交叉是指把两个父代个体的部分结构加以替换重组而生成新个体的操作。
通过交叉，遗传算法的搜索能力得以飞跃提高。
交叉算子根据交叉率将种群中的两个个体随机地交换某些基因，能够产生新的基因组合，期望将有益基因组合在一起。
根据编码表示方法的不同，可以有以下的算法：a)实值重组（real valued recombination）1)离散重组（discrete recombination）；2)中间重组（intermediate recombination）；3)线性重组（linear recombination）；4)扩展线性重组（extended linear recombination）。
b)二进制交叉（binary valued crossover）1)单点交叉（single-point crossover）；2)多点交叉（multiple-point crossover）；3)均匀交叉（uniform crossover）；4)洗牌交叉（shuffle crossover）；5)缩小代理交叉（crossover with reduced surrogate）。
最常用的交叉算子为单点交叉(one-point crossover)。
具体操作是:在个体串中随机设定一个交叉点，实行交叉时，该点前或后的两个个体的部分结构进行互换，并生成两个新个体。
下面给出了单点交叉的一个例子：如：两个父代亲体p1,p2(切割点以“|”标记)为:p1=(1 2 3 | 4 5 6 7 | 8 9) p2=(4 5 2 | 1 8 7 6 | 9 3)通过杂交，得两子代亲体o1,o2为:o1=(2 1 8 | 4 5 6 7 | 9 3) o2=(3 4 5 | 1 8 7 6 | 9 2)变异变异算子的基本内容是对群体中的个体串的某些基因座上的基因值作变动[9,10]。
依据个体编码表示方法的不同，可以有以下的算法：a)实值变异；b)二进制变异。
一般来说，变异算子操作的基本步骤如下:a)对群中所有个体以事先设定的编译概率判断是否进行变异；b)对进行变异的个体随机选择变异位进行变异。
遗传算法导引入变异的目的有两个:一是使遗传算法具有局部的随机搜索能力。
当遗传算法通过交叉算子已接近最优解邻域时，利用变异算子的这种局部随机搜索能力可以加速向最优解收敛。
显然，此种情况下的变异概率应取较小值，否则接近最优解的积木块会因变异而遭到破坏。
二是使遗传算法可维持群体多样性，以防止出现未成熟收敛现象。
此时收敛概率应取较大值。
遗传算法中，交叉算子因其全局搜索能力而作为主要算子，变异算子因其局部搜索能力而作为辅助算子。
遗传算法通过交叉和变异这对相互配合又相互竞争的操作而使其具备兼顾全局和局部的均衡搜索能力。
所谓相互配合.是指当群体在进化中陷于搜索空间中某个超平面而仅靠交叉不能摆脱时，通过变异操作可有助于这种摆脱。
所谓相互竞争，是指当通过交叉已形成所期望的积木块时，变异操作有可能破坏这些积木块。
如何有效地配合使用交叉和变异操作，是目前遗传算法的一个重要研究内容。
基本变异算子是指对群体中的个体码串随机挑选一个或多个基因座并对这些基因座的基因值做变动(以变异概率P.做变动)，(0，1)二值码串中的基本变异操作如下: 基因位下方标有*号的基因发生变异。
变异率的选取一般受种群大小、染色体长度等因素的影响，通常选取很小的值，一般取0.001－0.1。
如：两个父代亲体p1,p2(以“||”标记所选择的个体中的元):p1=(1 2 |3| 4 5 6 7 |8| 9) p2=(4 |5| 2 1 8 7 |6| 9 3)通过变异，得两子代亲体o1,o2:o1=(1 2 |8| 4 5 6 7 |3| 9) o2=(4 |6| 2 1 8 7 |5| 9 3)终止条件当最优个体的适应度达到给定的阀值，或者最优个体的适应度和群体适应度不再上升时，或者迭代次数达到预设的代数时，算法终止[11]。
预设的代数一般设置为100-500代。
遗传算法的基本运算过程如下:a)初始化:设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。
b)个体评价:计算群体P(t)中各个个体的适应度。
c)选择运算:将选择算子作用于群体。
选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。
选择操作是建立在群体中个体的适应度评估基础上的。
d)交叉运算；将交叉算子作用于群体。
所谓交叉是指把两个父代个体的部分结构加以替换重组而生成新个体的操作。
遗传算法中起核心作用的就是交叉算子。
e)变异运算:将变异算子作用于群体。
即是对群体中的个体串的某些基因座上的基因值作变动。
群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t 1)。
f)终止条件判断:若tT,则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算[12-14]。
三、小结本毕业设计是实现旅游线路优化。
根据一个区域里的所有景点的地理分布，让旅客的旅行开销达达最小。
由于传统搜索方法难以解决所以运用遗传算法（GA）这一随机搜索算法。
它让我进一步的熟悉遗传算法的基本方法，并让我研究出了适用于旅游线路优化这一具体问题的遗传算法。
在旅游线路优化的遗传算法中，有许多的方法是行不通的，这个叫我从这些方法中选择出最好的方法进行设计。
在进行程序设计时，我们要确定交叉率、变异率、种群长度、染色体长度等。
在选择的时候要根据基因的适应度进行优胜劣汰的选择，去除掉那些适应度低的，保留适应度高的基因，让它们进行交叉或变异操作。
