改进免疫算法在旅行商问题中的应用

免疫算法是基于人工免疫的基本理论发展而来,它是对人工免疫理论研究和应用的扩充与发展。本文提出了一种改进的提取疫苗和注射疫苗的免疫算法,给出了该算法疫苗的形成方式,并将该算法应用在典型的组合优化问题TSP的求解中。通过50个城市TSP问题的仿真实验,表明该算法较原算法有更快的收敛速度,是一种较理想的解决TSP问题的智能优化算法。     

基于遗传算法求解TSP问题的算法设计

TSP是一个典型的组合优化问题,并且是一个NP难题,其可能的路径总数与城市数目n是成指数型增长的,所以一般很难精确地求出其最优解,因而寻找出有效的近似求解算法就具有重要的意义.现提出一种求解TSP问题比较有效的遗传算法,从其数学模型、遗传算子、评估函数、种群多样性等方面对算法进行了分析,结果表明提出的算法在求解TSP问题上是有效的.     

TSP问题在物流配送车辆运行路线中的应用分析

TSP旅行商(货郎担)问题是诸多领域内出现的多种复杂问题的集中概括和简化形式,同时也是一个典型的易于描述却难以处理的NP完全问题。基于不同的算法分析出现了许多解决TSP问题的方法。分析研究了大量TSP算法,例如遗传算法、神经网络法、回溯法、蚂蚁演算法、神经网络优化法、列表寻优(TABU)法及模拟退火法等,并对其中的两种算法作了较为详细的介绍,对环路构造法提出了一种优化算法。     

一种求解对称TSP的简单候选集方法

TSP（旅行商问题）作为一种解决组合优化问题的有效方法,在近几十年来受到了广泛的研究。理论证明它是一个典型的NP难问题,为了更快捷地求解,候选集方法在多种求解算法比如LKH算法中都有用到,一般是用于产生一个接近局部最优的初始解,较少用于寻路过程中。本文提出了一种新的简单的候选集方法,它采用一种新的距离度量,更好地符合了对称TSP的寻路规则。将其应用于最大最小蚁群算法（MMAS）的寻路过程中,实验结果表明针对对称TSP问题,该方法能比基本的MMAS取得更好的性能。这种候选集方法也可以用于其他求解对称TSP问题的进化计算。     

改进遗传算法求解TSP问题

遗传算法(GA)是由遗传进化理论指导的随机搜索寻优算法,传统GA的寻优能力与随机搜索能力之间存在着相互制约的关系,所以对地形极其复杂、极无规律的TSP的应用效果并不十分理想.通过利用互换启迪交叉算子加快局部搜索算法的收敛速度,利用模式增加修补算子防止算法早熟收敛,给出了一种求解TSP问题的新型遗传算法.仿真实验表明该算法是有效的和可行的.     

凸包工作集TSP算法

TSP问题是一个NP完全问题,在现实生活中许多领域得到充分应用。通过对＂S计算几何＂中凸包算法分析,提出了一种最大凸包工作集规划TSP路径算法,能快速解决二维TSP问题。首先运用凸包算法构造城市的最大凸包工作集,将剩余城市节点根据隶属度大小加入到相应的凸包子工作集中。再应用最大凸包算法逐个划分凸包子工作集,直至子工作集中的尺度为2。最后依次访问每个子工作集头,得到TSP最短路径。实验结果表明,该算法能更快速地得到问题的近似最优解。     

参数P影响郭涛算法求解TSP问题的效率性研究

郭涛算法可以高效求解TSP,同时也可以很好地保持种群的多样性。首先定义了一种度量种群多样性的方法,然后通过分析参数P影响郭涛算法求解TSP问题的效率性,分析怎样得到一个合适的参数P。问题的研究背景是CHN144问题。     

凸包工作集TSP算法

TSP问题是一个NP完全问题,在现实生活中许多领域得到充分应用。通过对"S计算几何"中凸包算法分析,提出了一种最大凸包工作集规划TSP路径算法,能快速解决二维TSP问题。首先运用凸包算法构造城市的最大凸包工作集,将剩余城市节点根据隶属度大小加入到相应的凸包子工作集中。再应用最大凸包算法逐个划分凸包子工作集,直至子工作集中的尺度为2。最后依次访问每个子工作集头,得到TSP最短路径。实验结果表明,该算法能更快速地得到问题的近似最优解。     

一种改进的求解TSP问题的遗传算法

TSP问题是典型的NP难组合优化问题,而遗传算法是求解此类问题的一种方法。但遗传算法存在收敛速度慢和陷入局部最优的问题。针对上述问题并结合TSP的特点提出了一种改进的遗传算法,对传统遗传算法的各种操作与算子进行了优化与改进,较好地解决了种群多样性与算法收敛性的矛盾。实验结果表明,改进后的算法明显优于传统遗传算法,说明该算法具有良好的有效性与可行性。     

用模拟退火算法求解TSP

货郎担问题,即TSP（Traveling Salesman Problem）,是一个组合优化问题。具有NPC计算复杂性。本文分析了模拟退火算法模型,研究了用模拟退火算法求解TSP算法的可行性,并给出了用模拟退火算法求解TSP问题的具体实现方法。     

蚁群算法在TSP问题中的应用及其优化研究

蚁群算法是一种新型的模拟进化算法。分析了蚁群算法的基本模型和算法在TSP问题中的实现方式,针对其缺陷对基本的蚁群算法进行了一定的改进。     

混合型蚁群算法及其应用

蚁群优化算法——蚂蚁系统（Ant System,AS）是Dorigo M在20世纪90年代最早提出的一种新型生物智能算法,Dorigo M将蚁群优化算法应用于解决经典的旅行商问题（TSP）,取得了较好的应用效果。采用混合型蚁群算法进行优化求解,探讨其实现TSP问题的求解流程,以更好地指导实际问题解决。     

模拟退火算法在飞机巡航最佳路线问题中的应用

飞机巡航最佳路线问题可归结为大型TSP问题。TSP问题是典型的NP完全问题,模拟退火算法是求解NP完全问题的一种理想方法。在构造了飞机巡航路线问题的模型后,采用加权的哈密頓方法,结合模拟退火策略对该问題进行分析求解。重点介绍了模拟退火解决此问题的具体算法和过程。试验结果表明:采用模拟退火算法求解飞机巡航线路问题效果很好,与其它算法相比优势明显。     

改进的量子进化算法及其在TSP问题中的应用

本文针对量子进化算法在解决实际问题中遇到的困难，提出一种改进的量子进化算法，作者进一步解释了这种进化算法在TSP问题中的应用。     

TSP问题的智能优化算法研究

智能优化算法比较常见的有模拟退火算法、遗传算法、人工鱼群算法、神经网络算法等。本文主要对前三种算法优化性能进行研究。首先介绍了三种算法的基本原理,然后总结了各自的优缺点并从原理和参数两个方面对三种算法进行了对比分析,以经典NP难题——TSP为例进行了仿真研究给出了未来针对TSP问题的研究重点。     

遗传算法在求解TSP问题上的应用

论述了遗传算法在编码表示和遗传算子等方面的应用情况,指出了常用编码方法的优点和缺点,并且结合TSP的运行实例详细分析了基本遗传算法对求解结果和求解效率的影响.简单说明了混合遗传算法在求解TSP问题中的应用并对遗传算法解决TSP问题的前景提出了展望.     

基于K-均值聚类的TSP演化算法

提出一种基于K-均值聚类的TSP演化算法。该算法利用K-均值聚类技术,将TSP分为一些简单的TSP问题。在寻求最短路径时,首先所有结点用其聚类中心去代替,以聚类中心为结点构造TSP演化算法;其次,对于每一聚类,可寻求其距前面的聚类和后面的聚类最近的两结点之间的最短距离,若其中的结点较多,则再次演化得到其最短路径,若结点较少,则可用warshall算法可得到最短路径;最后对获得的最短路径进行剪接操作,可得到其更优解。     

几种解决TSP问题的蚁群算法的性能研究

文章对解决TSP问题的几种蚁群算法模型的性能进行了比较,得出了蚁群算法中参数如何对性能产生影响的分析报告．     

用蚁群算法解决0／1背包问题

为了使用蚁群算法来解决经典有0/1背包问题，本文根据TSP问题的蚁群系统模型及转移概率的公式，修改了蚁群算法模型，TSP问题和0/1背包问题的不同之处，在原有的蚁群优化模型的基础上扩展了它的应用范围，用来解决0/1背包问题，通过实验测试改进的算法，结果表明，改进算法的收敛速度得到提高.     

基于多群竞争的改进人工鱼群算法

为了改进基本的人工鱼群算法的性能及更好地模拟自然界鱼群捕食的行为,该文提出了一种基于多群竞争的改进人工鱼群算法.算法中引入了多个鱼群,除了描述基本的鱼个体觅食行为外,鱼群间还存在竞争机制.TSP的数值实验表明了改进算法的可行性及更好的全局优化性.