退火单亲遗传算法求解旅行商问题及MATLAB实现

为了提高遗传算法求解较大规模旅行商问题的能力,在单亲遗传算法中引入两代竞争模拟退火选择操作,与倒位算子和插入算子相结合,同时加入保优操作,使遗传搜索效率、收敛速度都得到大幅提高,所花费时间、收敛迭代次数、最后结果明显优于一般遗传算法和单亲遗传算法.给出了用MATLAB实现算法的一些重要步骤和函数,并进行了简要说明.在仿真实例中,用一般遗传、单亲、退火单亲遗传算法对75个城市的TSP问题进行了求解,退火单亲遗传算法对280、535个城市TSP问题进行了求解.结果表明,退火单亲遗传算法最终所得结果最好,但收敛所花时间约为一般遗传的2.5%,单亲遗传的20%,迭代次数为一般遗传的20%,单亲遗传的25%.     

和声模拟退火算法及其在旅行商问题中的应用

分析了模拟退火与和声搜索算法各自的特点和缺点,结合两者的优缺点提出了一种新的和声搜索与模拟退火算法的组合算法,将新的算法应用到旅行商问题(TSP)求解.实验结果表明,改进的算法具有更快的收敛性同时能得到比较好的结果.     

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.     

一种带记忆的模拟退火算法求解TSP问题

模拟退火算法是求解组合优化问题的一个有效方法.在模拟退火算法的基础上提出了一种带记忆的改进算法.在改进算法中增加了记忆功能,将当前最优解记忆下来;设计了一个温度更新函数,保证温度更新有一定的自适应性;增加补充搜索过程,以提高算法的全局搜索能力.最后将此算法应用到旅行商(TSP)问题中,在若干公共测试数据集上的实验结果表明,该算法是有效可行的.     

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.     

浅析用摸拟退火算法求解旅行商问题

模拟退火算法是一种重要的现代优化算法,通过介绍模拟退火算法的形成原理、算法步骤和求解旅行商问题,重点阐述了模拟退火算法的主要优点和缺点.     

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。     

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.     

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·     

改进的遗传模拟退火算法在TSP中的应用

在介绍遗传算法和模拟退火算法的理论基础上，分析遗传算法和模拟退火算法的主要优缺点，提出了一种改进的遗传模拟退火算法。结合两种算法的优点，对其中的复制、交叉、变异操作进行了改进，并将该算法应用于TSP问题的求解之中。最后给出用该算法求解TSP问题的具体实现过程，并进行仿真实验，验证了该算法的有效性。     

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.     

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.     

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。     

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。     

基于模拟退火算法(SAA)求解列车控制问题

提出了一种解水平轨道的列车节能控制问题的算法 ,该算法考虑了无限制速度和有限制速度两种情形 ,并基于模拟退火算法、动态罚函数法。     

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。