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。     

遗传算法与TSP问题

本文提出用遗传算法解决旅行商问题。全文分三部分进行讨论：首先提出问题、分析问题，给出问题的解决方案，然后给出遗传算法在TSP中的应用及实现，最后探讨了遗传算法解决旅行商问题自身具备的特点。     

求解TSP问题的一种改进遗传算法

TSP问题是典型的NP完全问题,遗传算法是基于生物进化论的一种全局优化搜索算法。文中针对TSP问题传统遗传算法的缺点,提出了一种改进的遗传算法,并且给出选择、交叉和变异操作的设计。最后,以该算法求解中国旅行商问题(C-TSP)为例,表明该改进遗传算法具有更好的收敛性,可以得到更好的最优解。     

混合单纯形算法与差分算法求解约束优化问题研究

为了求解约束优化问题,本文设计了一种基于约束的单纯形算法,并将其与差分算法想混合,实验证明算法能够得到较好的结果。     

一种改进的并行混合遗传算法在求解TSP问题中的应用

遗传算法(GeneticAlgorithm,GA)是一种基于自然群体遗传机制的有效搜索算法。由于它在搜索空间中同时考虑许多点,这样就减少了收敛于局部极小的可能,也增加了处理的并行性。因此,可以利用并行遗传算法(PGA)研究典型的组合优化实例-TSP问题(旅行商问题)的求解问题,提出一种改进的主从式并行混合遗传算法求解TSP问题。实验结果表明,该方法在解的精度和速度上优于以前的算法。     

一种改进的自适应蚁群算法求解TSP问题

针对基本蚁群算法存在收敛速度慢,易陷于局部最优解等缺点,提出了一种求解旅行商（TSP）问题的改进的自适应蚁群算法。     

用并行回溯搜索算法求解TSP问题

对求解旅行商问题（TSP）的回溯搜索算法进行并行化的设计和改进,对该并行算法进行了详细描述。在MPI并行计算环境下应用该并行算法进行计算,求出了旅行商问题的最优解。实验结果表明,该并行算法适合求解小规模旅行商问题。     

基于求解TSP问题的ACA-GA-PSO算法

为了有效求解TSP问题,提出一种融合蚁群算法、遗传算法、粒子群优化算法思想的混合算法。该算法基于最大-最小蚁群系统框架,在选择下一个城市时采用局部搜索策略避免陷入局部最优,在每次循环结束时用演化交叉策略优化得到的全局最短路径,从而提高求解TSP问题的求解精度及收敛速度。TSPLIB中不同规模的TSP问题的仿真实验结果表明了该算法的有效性与可行性。     

用来求解TSP问题一种改进后的自适应蚁群算法

为了提高传统的蚂蚁算法求解的质量,本文对传统的蚁群算法中的信息素进行动态的自适应调整,提出了一种新的自适应蚂蚁算法。实验结果表明该算法具有更好的搜索全局最优解的能力,并具有更好的稳定性和收敛性。     

混合遗传蚁群算法的改进及在TSP问题中的应用研究

蚁群算法(ACA)与遗传算法(GA)都属于仿生型优化算法,是解决组合优化问题的强有力工具,并都分别成功应用于旅行商问题(TSP)中.本文将两种算法进行融合,并给出了新的融合方式.实验结果表明,新的遗传蚁群混合算法有效地改进了算法的全局收敛性,并加快了收敛速度.     

两段式遗传算法求解CTSP

旅行商问题（TSP）是一类典型的NP完全问题,遗传算法（GA）是求解这类问题的常用方法之一。针对中国旅行商问题（CTSP）,设计了两阶段遗传算法的改进策略。第一阶段在SGA基础上采取控制参数优化和保优操作,求得若干个较优解;第二阶段采用变异操作,在第一阶段较优解组成的种群基础上寻找最优解。用该策略迅速找到了CTSP最优解,该路径长度为15378km,比目前已知CTSP解更优。对遗传算法迅速求解TSP最优解提供了可行解决方案。     

遗传算法求解TSP问题的实现与改进

旅行商问题（Traveling Salesman Problem,简称TSP）已经被证明为NP难题。通过应用遗传算法求解TSP问题,给出了遗传算法中各算子的实现方法,并用遗传算法（Genetic Algorithm,简称GA）和穷举法分别求解了15个城市的TSP问题,结果表明,遗传算法具有明显的优越性。引入模拟退火的思想对遗传算法的变异算子进行改进,并求解了50个城市的TSP,得到了满意的结果。     

一种改进的蚁群算法及其在TSP问题中的检验

蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发式算法但是开始的时候信息素缺乏,收敛速度慢一直是蚁群算法的不足。针对该问题,提出加权蚁群算法,它利用传统蚁群算法最优路径的特点,对每个城市分别加权,然后从比较离散的点开始进行寻优。节省了在不可能构成最优路径上的计算时间,提高了运算速度。计算机仿真结果表明,该文算法改进了标准蚁群算法的效率和计算结果的质量。     

基于TSP问题的远航程无人水下航行器路径规划研究

针对远航程无人水下航行器的路径规划问题,本文提出了一种基于旅行商(TSP)问题的路径规划的新方法。阐述了TSP问题的基本原理,并采用了模拟退火算法和遗传算法进行了仿真研究,获得较好的仿真结果。     

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。     

旅行商问题求解算法综述

旅行商问题作为NP难题的典型代表,从诞生以来一直都是计算机算法理论研究的热点话题,各种针对该问题的算法层出不穷。对相关的代表性算法进行了介绍与总结,在分析各种算法的特点之后,提出了各类算法的改进方向,对旅行商问题的研究进行了展望。     

基于遗传算法的TSP问题研究

TSP问题是一个典型的NP完全问题。近年来,学者们尝试用多种算法来解决TSP产生的“组合爆炸”问题。其中,遗传算法因为其自身的优点,逐渐成为解决TSP问题的有效手段之一。在对TSP问题和遗传算法充分描述的基础上,利用遗传算法模拟TSP问题,并给出了计算机实现过程以及实验结果。     

遗传算法求解WebGIS环境下的TSP问题

TSP问题茁物流配送、选址等领域普遍存在,是当前相关领域研究的热点问题。本文提出在WebGIS环境下,利用遗传算法表求解该问题．首先,针对WebGIS数据,以实际地标经纬度信息作为初始点,提取路网拓扑结构,然后使用遗传算法采求解哈密顿路开最终给出优化路径。实验结装表明提出的方法具有良好的实际应用效果。     

多源点的旅行商问题的一种求解方法

针对特定的多源旅行商问题,给出了将其转化为单源旅行商问题的一种方法,并用改进的遗传算法加以解决,无论在理论研究还是实际应用中,都有一定的创新.     

混合天牛须算法解决旅行商问题

文章针对天牛须算法(BAS)后期收敛速度慢、寻优精度低的缺点,提出了一种融入倒位变异的天牛须算法.文章基于基本的天牛须算法,将倒位变异融入到天牛须算法中,帮助算法跳出局部最优,并给出了该算法求解旅行商问题的详细执行过程.最后,为了验证新算法的有效性,使用标准TSP库中的实例对提出的算法的性能进行了实证评估.结果 表明文...