旅行商问题的近似求解算法

在最近邻法、k-变换策略和贪心算法的基础上,尝试设计效率较高的产生旅行商问题较优可行解的方法。将3变换邻域分成两种结构(称为3_1和3_2变换邻域)考虑,设计以下算法:利用最近邻法产生初始当前最优解;然后依次在当前最优解的3_2、3_1、2变换邻域中寻找更优的局部最优解成为当前最优解,直到结果没有改进。利用算法对一些经典的实例进行实验,依次将每个城市作为出发地,在多项式时间O(n4)得到的最优解与给定的最优解相对误差在1%内。     

用启发式贪心法求解旅行商问题

旅行商问题是ＮＰ完全的组合优化问题，分析了邻域启发式算法的基本操作，提出了一种简单的启发式贪心法，仅利用城市间的距离信息求解旅行商问题，理论分析与实验结果表明该方法是确定性的多项式时间算法，对５个不同规模的典型的旅行商问题进行优化，均达到或优于文献中的结果。     

用蚁群算法求解旅行商问题

介绍了一种用于解决复杂优化问题的新的启发式算法--蚁群算法.阐述了该算法的基本原理、算法模型和在旅行商问题中的具体应用过程.研究表明该算法具有并行性,鲁棒性等优良性质.     

求解旅行商问题的一个有效算法

采用统计方法,以中国旅行商问题为例给出了一个求解旅行商问题的有效算法.首先对每个点到其他各点的距离进行求和,然后对每点的距离之和排序,取距离之和最长的3个点连成一回路,再按距离之和的大小顺序选取其余节点,插入到回路的最佳位置上,使得新回路增加的长度越来越短,最后得到旅行商问题的回路.算法实现容易、运行速度快,生成的结果接近其最优解.     

蚁群算法求解旅行商问题若干改进策略的研究

蚁群算法是求解TSP问题的一个性能较好的仿生型的智能优化算法,但存在着运行时间长、容易陷入局部最优的缺点,导致停滞现象的出现,找不到全局最优解.实验表明,使用候选集合策略和局部搜索策略能提高算法所求得的解的质量,同时也会明显加快求解的速度.使用信息素变异和重新初始化策略,能增加路径探索的多样性,使算法对搜索空间的探索始终保持在一个合理的水平上,有效地避免算法陷入停滞状态,从而找到全局最优解.     

求解旅行商问题的混合量子算法

提出了求解旅行商问题的混合量子算法(HQA).HQA以量子计算为基础,设计了移位解码,解决了构造路径难的问题.并采用微粒群算法的进化模式和跟踪保优模式,构造了动态惯性权重使量子角更新、更有效,增加了局部优化进行精细搜索.对多个算例的测试结果表明,HQA具备了求解旅行商问题的能力.     

求解旅行商问题的一种改进算法

文章研究带三角不等式的旅行商问题．设计了求解该问题的一种嵌入遗传算子的启发式算法；同时阐明该算法具有多项式时间界及其绝对性能比不超过2的界估计，因而它的算法理论基础是坚实的；选择经典算例，通过实验表明：该近似算法较之几种常用的启发式算法解的质量更高．由于该算法本质上仍为插入算法，因而程序设计方便快捷，因此它在实际应用中无疑是极有意义的．     

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.     

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。     

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.     

求解最小比率旅行商问题的大洪水算法

基于大洪水算法寻优思想,给出一种采用两城市互换策略进行邻域搜索的大洪水算法,以快速求解对称型最小比率旅行商问题.算法在Delphi7环境下编程实现,经大量数据测试和验证,大洪水算法是一种简单有效的算法,在运行效率上明显优于其他算法.     

基于模式求解旅行商问题的蚁群算法

群体智能已经被广泛应用于分布式控制、调度、优化等领域.其中蚁群算法已经成为该领域的一个研究热点.在蚁群算法的基础上针对旅行商问题(TSP),首先提出了小窗口蚁群算法,提高初始解的质量,然后与基于模式的蚁群算法相结合,通过提取模式,改变计算粒度,缩短计算时间,提高计算精度.实验结果表明该算法有较好的效果.     

粒子群优化算法求解旅行商问题

首先介绍粒子群优化的搜索策略与基本算法, 然后通过引入交换子和交换序的概念, 构造一种特殊的粒子群优化算法, 并用于求解旅行商问题. 实验表明了在求解组合优化问题中的有效性.     

基于蚂蚁算法的混合方法求解旅行商问题

通过介绍蚂蚁觅食过程中最短路径的搜索策略,给出蚂蚁算法在旅行商问题中的应用,并加入3-opt方法和去交叉策略对问题求解进行局部优化.实验结果证明了其有效性.     

用量子蚁群算法求解大规模旅行商问题

针对旅行商问题(TSP),提出了一种新的混合量子优化算法——量子蚁群算法.量子蚁群算法采用量子比特的概率幅表示蚂蚁的当前位置,采用量子旋转门更新蚂蚁的位置,选取国际通用的TSP实例库中多个实例进行测试.仿真实验表明,该算法具有很好的精确度和鲁棒性,可使搜索空间加倍,比传统的蚁群算法具有更好的种群多样性.     

货郎问题求解算法分析

介绍了求解货郎问题的4个算法：贪心算法、MST近似算法、MM近似算法和回溯搜索算法。分别使用各个算法对一个货郎问题的具体实例进行求解，并对各个算法的性能进行了分析比较。贪心算法的运行速度较快，但在大多数情况下该算法找到的是次优解而非最优解。MST和MM近似算法用以求解满足三角不等式的货郎问题，其近似性能比（即精确度）分别为：RMST（I）＜2，RMM（I）＜3／2。回溯搜索算法可以求出货郎问题的最优解，随着城市数目的增加，其搜索效率会下降。     

遗传算法和蚂蚁算法混合求解旅行商问题

介绍了一种求解旅行商问题的混合蚂蚁算法,该算法结合了遗传算法中的改进的交叉算子和变异算子,对产生的局部最优解进行适当地交叉和变异,提高算法的搜索空间,可以提高蚁群算法的寻优能力,实验表明该算法很有效.     

利用改进匈牙利算法求解旅行商问题

针对传统的匈牙利算法在求解旅行商问题(Travelling Salesman Problem,TSP)时会导致多回路闭合的问题,提出了破环机制,设计了破环匈牙利算法。通过采用分配问题的描述方法对旅行商问题进行建模,并建立二者之间的转换关系,论证了TSP可行解的充分必要条件是对应分配问题的可行解与辅助边结合后仅包含一个环路,对6个标准旅行商进行测试和对比分析,验证算法的有效性。实验结果表明:在不同的数据集中,改进匈牙利算法能有效求出TSP问题的解。     

最小生成树与次小生成树上的算法分析与设计

探讨了最小生成树的实现问题，分析了基于各种优先队列机制下算法的实现性能，讨论了次小生成树的性质，提出了时间复杂性为O(n^2)的次小生成树算法。