1. 研究目的与意义、国内外研究现状（文献综述）
本课题的意义：遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理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。
tsp问题是组合优化领域中的一个典型问题，涉及到求多变量函数的最小值问题。
虽然它陈述起来很简单，但求解却很困难，它一直是运筹学中最富挑战性的问题之一，并且已经被证明是 np 难题。
2. 研究的基本内容和问题
研究目标：模拟遗传算法解决tsp问题的系统程序开发。
研究内容：1. 学习遗传算法的基本原理；2. 了解tsp问题相关解法算法及思想；3. 掌握面向对象语言c 及微软mfc类库，完成模拟遗传算法解决tsp问题系统的开发。
拟解决的关键问题：1. 遗传算法是一个迭代过程，它模仿生物在自然环境中的遗传和进化机理，反复将选择算子、交叉算子、变异算子作用于种群，最终可得到问题的最优解或近似最优解。
3. 研究的方法与方案
研究方法：理论学习、实践操作、程序开发。
技术路线：遗传算法解决tsp问题；面向对象编程。
实验方案：1. 根据遗传算法基本原理，求解tsp问题；2. 使用面向对象编程，c 语言模拟上述过程及结果。
4. 研究创新点
本项目主要通过VISUAL C 完成客户端的应用程序，实现基于遗传算法的TSP问题的设计与实现并完成对遗传算法的模拟，以及用来解决实际的TSP问题。
通过绘制寻找路径即路径解决图标，直观的表达遗传算法以及基于遗传算法的TSP问题解决方案。
5. 研究计划与进展
研究计划：2013年12月-2014年1月设计初期：明确毕设题目以及研究方向，查阅相关资料，初步了解论文中所涉及的理论知识,搭建运行环境与开发工具2014年1月-2014年4月设计中期：整个毕设的核心阶段，掌握并能熟练运用从文献资料中所查阅到的专业知识，组织毕设整体架构，逐渐完成相关程序代码，最终实现使用遗传算法解决TSP问题2014年4月-2014年5月设计末期：最后整体重新审视整个毕设，发现问题不足并完善，尝试在已有的算法基础上做出改进
