求解第二类GTSP的距离矩阵重构遗传算法

目前第二类广义旅行商问题(GTSP)求解方法少,仅有的一些方法也存在运算复杂度高等缺陷,为此,文中通过分析距离矩阵的性质,提出了一种重构距离矩阵的算法,将第二类GTSP转化为第一类GTSP,然后利用混合染色体遗传算法求解转化后的第一类GTSP,从而间接求解了原问题(第二类GTSP).通过转化,大大提高了求解的精度,降低了运算的复杂度.最后,采用文中提出的算法对TSP问题库内的14个基准问题构成的第二类GTSP进行了测试,结果表明该算法可以有效地进行求解.     

基于几何结构的求解旅行商问题的蚁群算法

蚁群算法是一种新型仿生算法，但存在搜索时间长，收敛速度慢，易陷入局部最优等缺点。本文提出了一种基于旅行商问题（TSP）几何结构的蚁群算法，利用象限邻居表构造候选集和对偶限象邻居的方法初始化信息素，用以克服上述缺陷。通过对TSP的仿真，结果表明新算法大大缩小了其搜索范围，提高了搜索精确度并减少了搜索时间。     

多品种装配顺序的一种改进遗传算法

多品种装配顺序的安排问题属于旅行商问题（TSP）,具有NP计算复杂性,针对该问题,以工艺辅助时间需求为优化目标,对遗传算法的边重组交叉算子（ER）作了改进．将基因的邻接关系分为左邻接关系和右邻接关系,通过抛弃基因的左邻接关系,将ER改进为右边重组算子（R—ER）,仿真表明改进后的遗传算法寻优能力更强、收敛性更佳．     

K-Means聚类下的改进蚁群算法优化TSP问题

在解决旅行商问题(Traveling Salesman Problem, TSP)上,提出了一种新的求解思路即基于K-means聚类思想下的改进型蚁群算法,目的是优化TSP最短路径。先将整体TSP中分布的全部节点利用K-means聚类思想将其分成若干子TSP,再通过对基础蚁群算法(Ant Colony Algorithm, ACA)中信息素更新策略的改进,解决传统蚁群算法在面对大规模TSP问题时有迭代时间长、收敛速度慢和易陷入局部最优解的缺陷。在对每一个子TSP求解最优路径后再将各部分连接,使其融合成为一条完整TSP的最优路径。经验证该算法不仅优化了最短路径降低了误差率,同时大大缩短运算时间,提高了运算效率。     

线性星际分子CX2n＋1N（X=CN,H,F,Cl,Li;n=0—5）的结构和振 …

应用量子从头计算方法，在ＨＦ／６－３１Ｇ＾＊水平，优化ＸＣ２ｎ＋１Ｎ（Ｘ＝ＣＮ，Ｈ，Ｆ，Ｃｌ，Ｌｉｎ，ｎ＝０－５）分子的几何构型，得出了它们的分子总能量，所有急迫长以及各原子上的电荷分布及振动频率等。计算结果表明，ＸＣ２ｎ＋１Ｎ类分子的总能量呈现同系线性规律，分子内的键长及各原子上的电荷分布都呈现出一定规律性。     

一种优化的量子蚁群算法在旅行商问题上的应用

【目的】量子蚁群算法是一种常见的智能仿生算法，广泛的应用在数学优化、工程技术等领域。该算法在求解旅行商问题时也表现出良好的效果，但当城市规模变大时求解该问题就会出现算法收敛速度慢、早熟、全局寻优能力较弱等问题，为了解决这方面的问题，提出了一种优化的量子蚁群算法。【方法】将部分量子蚁群算法中信息素更新机制与量子旋转角更新机制结合，改进量子选择策略，并将轮盘赌法应用在状态转移规则模型中。【结果】分别使用标准库中的样本和自定义样本，利用Python平台进行实验仿真，通过与其他算法进行比较，并在给出了详细的对比过程。在求解旅行商问题时，提出的算法在最优值差别不大的情况下，减少了早熟，大幅度提高了算法的收敛速度。【结论】提出的算法是有效的，具有一定的实践意义。     

一种求解TSP的生物信息启发式遗传算法

遗传算法是解决旅行商问题（traveling salesman problem，TSP）的通用路径优化算法之一。为解决传统遗传算法收敛速度慢且解不稳定的问题，提出一种生物信息启发式遗传算法（bioinformation heuristic genetic algorithm，BHGA）。通过优化适应度函数和初始种群，引入生物信息学中的基因序列对比手法进行交叉重组排序，采用基因逆转操作进行变异，对遗传算法进行改进，使算法能够加快收敛速度，得到更优路径解。利用BHGA对TSPLIB数据库中算例进行求解，实验仿真结果表明：该算法在中小型规模的TSP中求解效果好且结果稳定。