旅行商问题(TSP,Travlling Salesman Problem)是经典的组合优化问题,也是属于NP难问题。实际中的技术工程问题,如电路板钻孔问题,城市规划问题,邮递员送信问题,网络布局问题等,都可以规约为旅行商问题模型,并进行求解。所以寻找一种求解速度快以及解质量高的算法来解决旅行商问题是具有重要的意义。由此学者已经提出了许多相关算法,并且进行了相关实验,比如分值界限法、插入法、蚁群算法、模拟退火算法、遗传算法等等。遗传算法是经典的随机搜索算法之一,是Holland首先提出的。遗传算法包含机构遗传算子,如选择、交叉、变异是算法的关键步骤。选择算子中有依适应值比例选择,Boltzmann选择,排序选择,联赛选择,精英选择等算子。针对交叉算子,本文介绍了两种交叉算子,分别是单点交叉与多点交叉,分析其各自的优缺点。而针对变异算子,本文则介绍了位点变异、逆转变异、对换变异、插入变异等算子。除此之外,还阐述了遗传算法的理论研究以及研究前景等。本文主要是把遗传算法运用到了旅行商问题,并且提出了新的遗传算法,异位交叉补码变异的遗传算法。文中给出详细的CCA算法流程图。系统地介绍了异位交叉算子。具体分析了两种异位交叉算子(1.异位单点交叉2.异位两点交叉)。针对异位交叉算子的存在的问题,提出解决交叉后个体中的重复基因的方法。针对变异算子,提出了一种补码变异算子。本文的实验采用matlab语言进行编程。分别使用传统的遗传算法和CAA算法解决旅行商问题,得出相关实验数据和收敛曲线。实验结果包括,进化代数,旅行商的路线以及总距离。通过比较实验数据结果,可知CCA遗传算法在600代就可以达到最优解。而传统遗传算法则需要800代才能达到最优解。可以知道CCA算法的收敛速度比传统算法的收敛速度快。实验结果表明CCA算法的收敛精度高于传统的遗传算法。