运筹学分配问题的新解法及其算法设计和程序实现

介绍一个全新途径的研究的方法－元素判别值分配法及其算法设计和程序实现，它的分配过程简便，且一次分配即可获得最优方案。     

求解货郎担问题的几何算法

提出了求解货郎担问题的一种几何算法，它的时间复性为：Ｏ（ｎ＾３／ｍ）次比较，Ｏ（ｎ＾２）次求距离运算与Ｏ（ｎ＾３／ｍ＾３）次加法运算，其中ｎ，ｍ分别为点集的点数和凸包顶点数。     

元素判别值分配法在求解TSP问题中的应用

针对旅行商（TSP)问题的求解，研究出一种完全不同于现行方法的求解新途径。该方法基于元素判别值的分配，其值是一个元素可调配和被选择的权值，是经综合计算的。因此，可作为元素调配或选择的依据。使用它求解TSP问题时，只需一次分配可获得最方案，无需调整。     

求解货郎担问题的认识和实践

分析货郎担问题的解空间，用简捷的交换－插入算求解货郎担问题，并提出用求多个局部最优解的方法，然后再从中得出全局最优解。     

旅行商问题的一个精确算法

本文对经典的旅行商问题给出一种精确式算法,计算结果表明,它具有一定的优越性和实用性。     

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。     

元素判别值分配法的综合求解算法设计

元素判别值分配法在用于求解运筹学一般运输调配与货郎担问题时,鉴于两类问题求解的不同,故使用的算法与调用的程序也不同．现已研制成功综合的求解算法与求解程序。则调用综合算法的程序．它既可求解一般运筹学的调配问题,也可求解货郎担问题;既可求最小值的问题,也可用于求解目标函数为最大值的问题．由于它只需一次调用,便可求解所属问题的最优解,是目前最有效的求解新方法．     

旅行商问题的一种新解法

应用路径代数原理,通过引入途经数组等,给出一种TSP的新解法。并借助实例的求解过程讨论了算法的图意义。最后还对算法的复杂性进行了分析。     

求解旅行商问题的几种算法的比较研究

旅行商问题具有重要的理论和实际研究价值,在工程实践中应用广泛.采用遗传算法、蚁群算法和模拟退火算法对旅行商问题进行求解,并选取中国旅行商问题进行仿真,比较了3种算法的优劣,得出了它们各自不同的适用范围:蚁群算法适用于缓慢地较精确的求解场合;模拟退火算法适用于快速精确的求解;遗传算法适用于快速求解,但结果准备度要求不高的情况.     

解TSP问题的蚁群算法及其收敛性分析

研究和证明求解旅行商问题(TSP)的蚁群算法收敛性.针对蚁群算法搜索时间长、收敛速度慢、易陷入局部最优等缺陷,改进Dorigo提出的基本蚁群算法.最后,用典型的旅行商问题CHN144进行仿真实验,结果表明,改进蚁群算法在收敛速度及求解能力上都有较大改善.     

TSP问题的一种快速近似算法及应用

给出求解度约束最小生成树(DCMST)问题的一种快速近似算法．在此基础上．又给出求解TSP问题的一种快速近似算法,并在微机上实现且其数值试验的效果良好．最后,将求解TSP问题的近似快速算法作一些改进．应用于遗传算法的初始种群生成并进行数值实验．结果表明,用文中算法生成的初始种群．比起一般方法产生的初始种群性能有很大改进．该算法可以加速遗传算法的寻优速度．     

关于旅行售货员问题的混合遗传算法研究

遗传算法（ＧＡ）是一类仿生算法，广泛应用于大型优化问题的求解，本文介绍孤原理和算法，并用简单遗传算法（ＳＧＡ）和混合遗传算法（ＨＧＡ）对旅行售货员问题（ＴＳＰ）进行了研究。     

一种求解平面旅行商问题的新算法——绕中心周游法

提出了一种求解平面旅行商问题的新算法——绕中心周游法,它是一种确定型算法,时间复杂性与最近邻算法相同,为O(n2),其中n为城市数。利用所编写的绕中心周游法和最近邻算法程序,对不同规模的平面旅行商问题进行了数值试验,对两种算法的求解质量进行了对比分析。结果表明:①绕中心周游法和最近邻算法求解质量的相对优劣取决于具体问题中城市的数量和分布;②对于4城市问题,绕中心周游法总能得到最优解,而最近邻算法经常不能得到最优解;③对于小规模(n<20)问题,绕中心周游法的求解质量一般优于最近邻算法的求解质量;④对于中等规模(20≤n≤30)问题,绕中心周游法的求解质量总体上相当于最近邻算法的求解质量;⑤对于大规模(n>30)问题,绕中心周游法的求解质量一般次于最近邻算法的求解质量。     

一种求解旅行商问题的改进人工蜂群算法

针对人工蜂群算法在处理大规模旅行商问题时普遍存在易陷入局部最优解和早熟收敛的问题,提出一种改进的人工蜂群算法.将柯西变异算子引入蜜蜂食物源更新公式,设计了一种自适应对数步长代替随机步长以改进随机解生成公式.将改进算法用于求解对称TSP问题,实验结果表明,改进后的算法有效地解决了人工蜂群算法早熟收敛和搜索速度较慢等问题,在求解TSP问题上确实有效可行.     

关于流动推销员运筹学问题的研究

本文综述了对 TSP 近30年来的研究成果.在深入分析各种确定型算法、启发式算法和混合算法的基础上,指出未来的研究重点在于开发更有效的启发式算法和混合算法、研究 TSP 的“可解决型”情况以及研究算法的最坏情形分析、概率分析和统计分析.     

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。     

旅行商问题（TSP）的模拟退火求解

提出了循环排序中６种不同的随机抽样方式，对旅行商问题（ＴＳＰ）的模拟退火求解进行了进一步深入研究．理论分析证明，６种抽样方式均满足模拟退火算法的全局收敛性条件．实例计算表明，子排列反序并移位抽样方式的求解寻优效率最高，且明显优于目前公认最好的著名的Ｓ．Ｌｉｎ“２－交换”抽样方法．本研究和结论对循环排序类优化问题及其求解具有普遍意义．     

基于混合蛙跳粒子群算法的 TSP 问题求解

为提高粒子群算法求解TSP(Travelling Salesman Problem)问题的性能, 在算法搜索初期, 将混合蛙跳算法和 粒子群算法相融合, 针对初始粒子群随意性大、 粒子分布不均的问题, 利用混合蛙跳算法的分组策略将种群分 组, 采用改进的蛙跳更新公式优化次优个体, 并抽取各层次个体得到新种群, 从而提高最优个体的获得速度; 在算法后期, 引入3 重交叉策略和基于疏密性的引导变异操作, 解决粒子多样性降低、 易陷入局部最优的问题。 利用改进算法求解 TSP 问题, 并与其他算法进行对比。 结果表明, 改进算法是有效的且性能优于其他算法。