浅析分布式技术在旅行商问题中的应用

分布式技术是最近十来年才走入应用领域的一类技术思想,而TSP问题是有着一个多世纪的经典问题.本文介绍了TSP、分布式技术、蚁群算法,并简要得探讨了分布式技术与TSP问题的结合.     

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。     

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...     

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。     

混合遗传算法解决单目标旅行商问题的研究

对混合遗传算法解决单目标旅行商问题进行研究,提出了一种基于对应连通子图交叉的混合遗传算法。本算法还包括初始种群的生成、适应度函数的计算、选择、变异、LK局部搜索和小生境操作。最后通过具体算例的实验和对比表明算法是有效的,在计算精度和速度上有较大提高。     

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.     

改进的二叉树编码遗传算法及其在多旅行商中的应用

为了解决多人旅行商问题,文章提出了一种基于二叉树编码的改进遗传算法。将多旅行商问题转化为等效的AOV图,并将其转化成二叉树,然后进行遍历编码,再用改进的遗传算子进行算法优化。该算法克服了一维编码的局限性,通过仿真实验验证了其有效性及比普通的一位编码遗传算法更高的执行效率。     

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。     

蚁群算法理论及应用

蚁群算法是优化领域中新出现的一种仿生进化算法。该算法采用分布式并行计算机制,易与其他方法结合,具有较强的鲁棒性。本文首先介绍了蚁群算法的基本原理,然后讨论了蚁群算法的应用,最后评述了蚁群算法未来的研究方向和主要研究内容。该算法用于解决组合优化问题,如TSP、QAP、JSP等效果很好。     

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。     

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。     

求解TSP问题的单纯形与遗传算法的混合算法

提出一个求解TSP的算法,即用单纯形算法与遗传算法相结合的方法来进行路径得选取,以提高初始解质量,加快收敛速度,实验证明了算法的有效性。     

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。     

数学建模中地面搜救问题浅探

本文对任务进行分析有三种想法：采用哈密尔顿路线进行搜索;转化为一个单旅行商问题;采用“搜索、行进”循环的方式进行。     

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。     

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。     

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。     

遗传算法求解旅行商问题

旅行商问题是一个组合优化问题,具有重要的实际意义。而遗传算法是求解旅行商问题的典型算法之一。本文首先介绍了旅行商问题的定义以及它的研究背景、发展现状和常用算法。在此基础上,详细阐述了遗传算法原理。通过改进这些算子,改进了传统的遗传算法,提高了算法的效率,降低了它的时间及空间复杂度。本文使用路径总长度的倒数作为适应度函数,保证了解向着最优化方向发展。然后选择部分交叉算子来产生新个体,保证了迭代的效率。变异算子利用位点变异,使算法变得简单,易行。最后,使用MATLAB语言进行编程,解决了城市数目分别为15和25时的两个实际问题。通过对这两个问题的收敛速度的对比、分析,总结了遗传算法求解旅行商问题的特点。     

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.