对江西省经济发展的实证分析

通过运用柯布－道格拉斯生产函数模型,借助于ＴＳＰ软件,对江西省经济发展进行了实证分析。     

TSP及其扩展问题的混合型启发式算法

就经典的旅行商问题（ＴＳＰ）及其扩展形式;瓶颈问题、多目标问题等给出一种混合型启发式算法,并知微机上予以实现,为困难的扩展型ＴＳＰ提供了新的求解手段。     

旅行商问题(TSP)的改进遗传算法

对于中大规模ＴＳＰ问题的求解,提出了２种新的改进遗传算法:两交换启发交叉算法和三交换启发交叉变参算法·经过仿真实验和实例应用证明了算法的有效性·三交换启发交叉变参算法的性能优于两交换启发交叉算法·     

用MATLAB求解TSP问题的一种改进遗传算法

TSP问题是遗传算法得以成功应用的典型问题.提出一种改进的义叉和变异算子来解决TSP问题,并给出其算子的MATLAB程序.通过实验,发现改进的算法比传统算法收敛速度更快,适应值更优,说明改进算法是有效的.     

蚁群算法求解TSP时参数设置的研究

蚁群算法作为一种新的模拟进化算法,由于具有较强的发现解的能力,在许多领域得到应用。但蚁群算法中的参数设定基本是靠经验和实验来设定的。针对TSP,通过实验对参数以及参数的设置做了研究,对参数设置提出了新的算法,并进行了实验验证。     

蚁群算法中挥发系数与迭代次数和最优路径长度关系研究

蚁群算法中挥发系数ρ对算法的收敛速度和全局最优路径有很大的影响。以TSP(Traveling Salesman Problem)问题为例,深入探讨了挥发系数与收敛所需迭代次数、全局最优路径长度之间的关系。首先通过对相关文献提供的研究进行归纳和总结,提出了挥发系数与迭代次数、最优路径长度之间的关系假设。然后编程读取不同的挥发系数值对应的迭代次数与最优路径的长度,并对所读取的数据进行分析拟合。最后验证了所提出的关系假设的正确性。     

求解TSP的遗传蚁群融合算法

原有的遗传融合蚁群算法虽然克服了基本蚁群算法的不足,优化效果得到了改善,但存在克服收敛速度较慢、易出现停滞以及全局搜索能力较低的缺陷.针对存在容易陷入局部最优解等问题,在原有的遗传融合蚁群算法的基础上进行了许多改进以扩大解的搜索空间,提高了其寻优能力和速度.仿真结果表明,改进后的算法具有更好的寻优能力,效果较好.     

TSP问题的一种新解法及其神经网络实现

本文给出一种解TSP问题的新方法,在保证路径有效的前提下,所求出的准最优解优于或至少近似于用以前各种方法所求出的解.特别是避免了用Hopfield模型时常常存在的许多不足.文中同时给出这一算法的神经网络实现与仿真结果.     

一种自适应蚁群算法及其仿真研究

蚁群算法是一种新型的进化算法，蚁群算法与其它进化算法同样存在易于限于局部最小点等缺陷。本文提出一种自适应的蚁群算法以克服上述缺陷。通过自适应地改变算法的挥发度等系数，本文中的算法可以在保证收敛速度的条件下提高解的全局性，通过对TSP问题的仿真证明本文中的算法相对与原始的蚁群算法收敛速度和解的性能都有一定的提高。     

用路径代数求解旅行商问题的新结果

针对求解旅行商问题的一种路径代数解法在解题中遇到的问题。通过引进无环点集、替代点集等概念,使修改后的PATSP算法的解题能力得以显著增强。