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。     

基于巡回旅行商问题的遗传算法程序设计

提出了一种巡回旅行商问题的具体解决方案。它以大自然界生物进化发展的过程为依据，从遗传算法理论的角度，探讨了一种有效可行的巡回旅行商问题的解决策略。对于采用遗传算法理论进行演化程序开发设计的读，具有一定的参考价值。     

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。     

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。     

用改进的遗传算法求解中国旅行商问题

遗传算法是基于生物进化原理的普适性全局优化算法，针对一类ＮＰ完全的组合优化问题－旅行商问题，提出用交换算子操作和模拟退火思想对遗传算法进行改进，显著提高了算法的优化效率，到目前为止，中国旅行商问题的最优解是１５４２６ｋｍ，使用改进的遗传算法，仅利用城市间的距离信息求解中国诱行商问题，得到了１５４０９ｋｍ的更优结果。     

一种改进的遗传算法求解旅行商问题

针对在解决旅行商问题时标准遗传算法效率不高,很容易陷入局部最优解的问题,提出了一种改进的遗传算法. 根据种群个体的多样性和分布情况,提出了判定遗传算法截止代数的方法. 研究结果表明,通过加入了初始化信息,改进交差算子,可提高遗传算法的精确性和收敛性.      

用遗传算法求解旅行商问题时遗传算子的设计

阐述了遗传算法的基本原理和实现步骤,重点介绍了利用遗传算法在解决旅行商问题时采用的交叉和变异算子的设计与实现.     

求解配送\收集旅行商问题的遗传算法

配送 \收集旅行商问题 (TSPD)是物流学中的一个重要问题 ,但与一般的旅行商问题 (TSP)相比 ,人们对该问题的研究有限 ,而且大多假定必须在完成所有的配送需求后才服务收集需求。本文放松这一约束条件 ,结合最邻近启发式和k -opt局域搜索策略 ,设计了一种求解TSPD的遗传算法 ,计算结果表明 ,该算法性能优良 ,计算效率较高。     

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·     

一种改进的遗传算法解决旅行商问题

标准遗传算法在解决旅行商问题时效率不高,容易陷于局部最优解。为了解决这一问题,提出了一种改进的遗传算法。改进后的算法在选择操作时,采取了精英个体保留策略和锦标赛方法,扩大染色体的选择范围,加大了适应度好的染色体被选中的概率;交叉操作时加入父染色体中边的信息;在参数选择上,使交叉概率和变异概率与染色体的个体适应值联系,保护适应度好的染色体进入下一代。用程序实现了两种算法,通过比较,改进后的遗传算法提高了解决旅行商问题的效率。     

一种基于模拟退火的遗传算法在受约束旅行商问题中的应用

旅行商路径问题已被证明是高维非线性完全问题,现实情况中还会增加非流通图约束.鉴于现有遗传算法在求解过程中容易出现早熟及冗余迭代的缺陷,设计了一种基于模拟退火的优化算法.该算法以旅行商途径地点次序作为编码,初始化过程中混合了贪心方法以实现局部优化,避免出现大量非可行染色体,增大了后续的进化效率.并且依据约束满足条件推导出特定的适值函数,选择了当前较为高效的交叉变异操作,在执行过程中融入了基于模拟退火算法的子体接纳判据.最后引用国内若干城市的信息用于算法检验,结果显示新算法显著优于现有算法.     

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.     

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。     

运用遗传算法求解有约束条件的旅行商问题

介绍了TSPPC(Traveling Salesman Problem with Precedence Constraint),并指出了普通遗传算法对于求解TSPPC的局限性及在算法过程中产生大量非可行解,从而降低了算法的搜索效率,提出了基于TSPPC中约束条件的种群初始化、交叉操作以及变异操作,由于运用这些遗传操作在算法过程中不会产生非可行解,因此大大提高了算法的搜索效率,最后通过定理和算例验证了本文中提出的遗传算法。     

用简单遗传算法求解TSP问题的参数组合研究

首先介绍用遗传算法求解CTSP问题的实验方法，描述了实验中群体规模、联赛规模参数对TSP问题计算时间复杂性及求解质量的影响。根据实验数据总结出两条规律：（1）对N＝34的TSP问题，群体规模在3000与4000之间，易获得最优解；（2）联赛规模在本规模的2‰附近时，易获得最优解。通过对不同规模（15－34）TSP问题的试验，发现两条规律对TSP问题求解具有普遍有效性。从理论上分析了群体规模和联赛规模对TSP问题求解质量和时间复杂性的影响，通过时间复杂性分析，表明实验规律对快速求解组合优化问题具有一定的指导性。     

一种新的求解旅行商问题的混合遗传算法

提出一种新的求解旅行商问题的混合遗传算法。该混合遗传算法充分利用2-opt和3-opt局部搜索能力,有效地弥补了具有较强全局搜索能力的遗传算法在局部搜索方面表现出来的缺陷。实验结果表明,该混合算法性能显著优于遗传算法。     

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.     

解旅行商问题的一种有效方法

本文提出在玻尔兹曼网络上解旅行商问题的一种有效方法。它基于 Aarts 算法[3],但与之有三点不同。一是用 Transputer 多处理机系统模拟玻尔兹曼网络;二是采用同步机制,三是对 Aarts 算法的冷却过程作了改进,运算速度较快。     

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.     

遗传算法解TSP问题的程序设计

遗传算法是基于生物进化原理的普适性全局优化算法,针对一类NP完全的组合优化问题—旅行商问题,文章阐述了用遗传算法求解旅行商问题的算法步骤,并给出相应的程序设计.将此算法应用到6个旅行商问题中所得到的结果与弹性网络得到的结果进行比较,得出用遗传算法得到的结果与最优解较为接近的结论.