禁忌搜索算法求解旅行商问题研究

设计了一种基于Matlab实现的禁忌搜索算法，用以求解组合优化难题中的典型代表旅行商问题（TSP）。分别对Hopfield原始10城市和中国旅行商问题进行了测试，所得结果都能达到或优于公布的最优解，与传统的Hopfield神经网络求解TSP相比，禁忌搜索算法具有强健，快速和高效的特点。     

求解旅行商问题的离散人工萤火虫算法

针对旅行商问题,提出了一种结合变邻域搜索算法思想的离散人工萤火虫算法.文中通过引入交换子和交换序的概念对人工萤火虫算法中的距离进行了重新定义;为了增加萤火虫群的多样性,避免算法过早陷入局部最优,采用了基于变邻域搜索算法的扰动机制.在多个旅行商问题上的测试结果表明,与文献中的算法相比,文中提出的离散人工萤火虫算法具有较好的求解性能.     

求解0-1背包问题的改进离散和声搜索算法

提出一种求解0-1背包问题的改进离散和声搜索算法(IDHS).该算法应用分布估计算法的概率思想,设计自适应调整策略,提高算法的搜索能力.引入精英培养机制,加强精英和声的开发,提高算法逃离局部最优的概率.通过随机修复方法和置换策略来改善和声的可行性,增加解的多样性.对背包问题进行测试,结果验证了IDHS算法的有效性.     

广义旅行商问题及其求解

广义旅行商问题(Generalized Traveling Salesman Problem,简称GTSP)是比旅行商问题(Traveling Salesman Problem,简称TSP)更为复杂的一类组合优化问题,TSP可视为GTSP的特例.GTSP较TSP能提供更精确的实际问题模型,有着更广泛的应用领域,但相对于TSP的研究而言,至今GTSP的研究成果甚少.详细介绍了GTSP问题的定义与背景,应用领域及其求解方法,着重介绍了最新的GCGA算法,并对GTSP未来的研究提出了建议.     

基于遗传算法求解旅行商问题

提出一种基于生物进化论的寻优方法─—遗传算法,用以求解著名的组合优化难题─—旅行商问题,此算法与传统求解TSP问题的方法相比,具有简单、强壮、高效、高速的特点,每次皆可收到一个满意的结果,若不考虑内存限制,原则上对任何规模的对称欧几里德平面TSP问题具有通用性。     

带Metropolis准则的混合离散布谷鸟算法求解旅行商问题

布谷鸟算法(Cuckoo Search,CS)在求解连续问题方面得到较好的结果,但在处理离散问题方面解决方案较少且收敛速度过慢,针对此不足,以求解旅行商问题为代表,结合基于学习的混合邻域结构和概率接受准则,提出了一种新颖的改进的混合离散布谷鸟(Hybrid Discrete Cuckoo Search,HDCS)算法.HDCS算法通过向最佳个体学习和从问题学习来搜索解空间,将反序、插入、块移动、交换和双桥等多种算子组合构造不同的混合邻域,通过Levy飞行选择相应的邻域结构进行寻优,并引入模拟退火算法的Metropolis接受准则,能够以一定的概率接受劣质解,使算法不易陷入局部最优.为了验证算法的性能,将HDCS算法分别与其他基于CS算法、经典智能优化算法和新型群智能优化算法的3类方法进行比较,实验结果表明,HDCS算法不但优于其他基于CS的算法,同时也优于一些其他最新的群智能优化算法.     

一种基于离散蛙跳算法的旅行商问题求解方法

针对旅行商问题,提出了一种新的离散化蛙跳求解算法.新算法借助蛙跳算法优化机理,采用基于城市序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了改进策略.仿真实验表明了所提算法及策略的有效性.     

求解寻址多旅行商问题的改进单亲遗传算法

为了解决非预先指定起点的单起点、闭回路且目标函数最长、路径最短的多旅行商问题,提出一种融合杂草算法繁殖机制的可寻址混合单亲遗传算法.该算法首先给出了一种新的编码方式,可在种群初始化时产生含有随机配送中心的个体,同时算法采用杂草算法的繁殖机制产生子代,从而加快收敛速度;然后采用改进的单亲遗传操作对路径进行寻优;最后采用混合选择算子对群体进行求解精度选择,避免算法陷入早熟收敛.为验证所提出的改进算法的有效性,采用Matlab对TSPLIB数据库中若干不同规模的实例进行仿真.实验结果表明,该算法在寻找最佳配送中心和最短路径方面具有良好的性能,且能在旅游路径规划问题上得到良好的应用.     

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。     

求解航天器最优交会问题的改进和声搜索算法

针对航天器最优交会问题,基于C-W模型建立一种燃料时间混合指标,并提出一种改进和声搜索(AHS)算法进行求解.在AHS算法中,提出一种全局均匀学习操作,利用了当前全局最优和声的指导作用,取代了原始和声搜索算法的基音调整操作,增强全局搜索和局部搜索的平衡,并对参数PAR进行了有效的动态调整,以更好适应算法的搜索进程.利用几个最优交会实例对AHS算法的有效性进行了测试,数值结果表明AHS算法能够取得满意的结果,并且优于其他算法.     

求解一个多旅行商问题的一种新近似算法

研究的多旅行商问题是：满足三角不等式的赋权完全图上的一个双目标优化问题．首先运用系统科学中的“吸引子”概念对问题求解的算法机理作了新的分析探讨,在此基础上提出了一种求解该问题的近似算法思想,并设计了算法,这是一种颇为新颖处理方法,国内外文献未见报道;文章最后还指出了几个尚须进一步思考的问题．该文旨在通过实例分析,尝试阐述一种萌芽的处理一些优化问题的新的近似算法思想,抛砖引玉,为进一步的理论研究提供基础.     

用遗传算法求解中国旅行商问题

阐述遗传算法针对一类NP完全的组合优化问题——旅行商问题，提出采用高级算子操作对遗传算法进行改进，仅利用城市间的距离信息求解中国旅行商问题，用很短的时间得到了16719km这一最优结果。     

改善分支限界法求解旅行商问题效率的策略

叙述了NP完全问题的复杂性及分支限界法求解问题最优解的策略,分析了利用分支限界法求解旅行商问题过程中影响算法求解效率的主要原因。针对欧氏空间的旅行商问题求解,提出了通过化简初始边集的策略,改善算法的求解效率,通过实验说明了该策略的有效性。该策略可应用到求解旅行商问题的其他算法中。     

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.     

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.     

Job-shop调度问题的离散布谷鸟搜索算法求解

在布谷鸟搜索算法的基础上,提出了一种基于升序排列的离散布谷鸟搜索算法(DCS),使用该算法求解Job-shop的经典LA问题.仿真数据显示,该算法在收敛速度、精度和稳定性方面都明显优于粒子群优化算法和萤火虫优化算法,显示出DCS算法的可行性和有效性.     

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.     

一个求解旅行商问题的松弛算法

在旅行商问题（TSP）的传统模型中，子回路消除约束的数量随着问题规模的增大具有指数增长的特性，极大地限制了TSP的求解效率。基于TSP的松弛问题，本文提出一种有效生成子回路消除约束的方法。该方法通过求解一系列线性整数规划，来实现TSP的精确快速求解。数值结果表明，本方法相比于采用Cplex直接求解，能够更快地找到TSP的最优解。