改进遗传算法在TSP问题中的应用

旅行商问题是典型的NP组合优化问题。提出一种旅行商问题求解应用上的改进遗传算法。引入贪心算法优化初始种群,在轮盘赌选择基础上,融入最优保存策略和掺杂算子进行选择操作,以保证群体的多样性;基于两点三段随机交叉算子优化交叉结果,基于启发式倒位变异算子提高算法的收敛速度;给出了求解旅行商问题系统的体系结构。实验结果表明,改进的遗传算法具有更好的寻优能力。     

浅谈旅行商问题与蚁群算法

蚁群算法是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络算法等启发式搜索算法之后的又一种应用于组合优化问题的算法。根据蚁群算法的特性,求解旅行商问题,利用仿真实验程序对蚁群求解旅行商问题进行模拟。     

求解TSP问题一种混合进化算法

进化算法是解决优化问题的一种新型方法.与现存的优化算法相比,这种方法有几个优点:它不仅能用于非线性函数,还通常能以概率收敛到全局最优解.基于一种新的变异算子和局部搜索技术,提出了一个求解旅行商问题的的新的进化算法.新的进化算子可以保证约束条件自动满足,局部搜索技术简单易行.另外,对迭代方法做了收敛性分析,给出了收敛的必要条件和充分条件.并进行了计算机模拟.结果表明本文算法是有效的,是一种适用于很多类型组合优化问题的有效方法.     

基于遗传算法的旅行商问题的研究

巡回旅行商问题(TSP)是一个组合优化方面的问题,已经成为测试组合优化新算法的标准问题。应用遗传算法解决TSP问题,首先对访问城市序列进行排列组合的方法编码,这保证了每个城市经过且只经过一次。接着生成初始种群,并计算适应度函数,即计算遍历所有城市的距离。然后用最优保存法确定选择算子,以保证优秀个体直接复制到下一代。采用有序交叉和倒置变异法确定交叉算子和变异算子。最后用MATLAB来实现算法,仿真后,观察路径,得出最终结果。     

蚁群算法及其在TSP中的应用

根据蚂蚁生态学提出的蚁群算法是一种新颖的用于求解复杂组合优化问题的模拟进化算法,具有典型的群体智能特征,表现出较强的学习能力和适应能力。阐述了该算法的基本原理、算法模型和在旅行商问题中的具体应用过程,并对算法进行了总结和展望。     

基于Hopfield网络的TSP路径优化研究

旅行商问题（Traveling Salesman Problem,简称TSP）可以被描述为：一名推销员必须遍访N个城市,N个城市之间距离为已知,并且每个城市推销员只能访问一次,最后必须回到始发城市。怎样安排推销员在这些城市间的访问顺序,从而求解出他的最短旅行路线总长度。组合优化问题中的一个典型就是旅行商问题,尤其是当N为很大数目时,计算量太大,常规方法无法完全进行求解。用常规方法和现有计算工具在繁杂的搜索空间中寻求最优解,实现起来存在着诸多的计算困难。为了解决计算困难这个问题,引入Hopfield网络的优化能力可以很轻松地解决这类问题。本文基于Hopfield网络求得经典组合优化问题（TSP）的最优解,开创了优化问题求解的新方法。     

个性化身份验证

蚁群算法是一种启发武优化算法,在求解旅行商问题等多种组合优化问题上有着优越性.但基本蚁群算法收敛速度慢,易于陷入局部最优解,导致停滞现象出现.针对算法的这些缺点,提出给各条边赋予不同的信息素初始量以加强算法初期信息素的作用,缩小算法的搜索范围;并在进行全局信息素更新时,对到目前为止的最优解、最差解和普通解采用不同的更新策略.实验结果表明,改进的蚁群算法在实验环境下,解决旅行商问题时的性能较基本蚁群算法有较好的表现.     

基于交叉算子改进的遗传算法求解TSP问题

遗传算法容易产生早熟现象以及局部寻优能力较差的缺陷。针对遗传算法的这一缺点,就遗传算法的交叉算子进行改进．并应用于求解旅行商问题。传统的交叉算子操作方法寻优效率低,并易陷入局部最优,就顺序交叉方法进行改进。改进后的交叉算子是在随机选择交叉区域和交叉片断长度后．对重复节点和前后节点的路径长度进行比较后,再删除路径长的重复节点,有效地提高了算法的寻优效率。优化了解的质量。为了验证算法的有效性,对TSPLIB库中的两个公共实际事例ei151和gr202以及安徽省17个城市的数据进行了仿真实验。结果表明改进后的算法是有效的．     

改进型遗传算法求解TSP问题

旅行商问题(TSP)是一个典型的NP难题,优化TSP求解问题有着重要的意义。遗传算法(GA)是解决这类问题的有效方法之一。标准遗传算法有一定的局限性,该文对遗传算法选择算子改进而引入了精英保留策略,保证选择的质量;在变异操作中采用自适应算法选择变异算子,提高变异质量和算法的搜索效果;在个体进化后再引入单向进化逆转操作,使子代继承亲代优质基因机会提高,提高算法搜索最优解的能力。经过国际公认的TSPLIB的实验数据的验证,优化后的遗传算法搜索最优解能力提高。     

基于自适应蚁群算法的旅行商问题的求解

提出一种解决旅行商问题的改进自适应蚁群算法.在传统蚁群算法的基础上,引入自适应算法进行种群初始化;从对选择策略的改进、蚁群信息量的全局修正和引入变异三个方面实现遗传参数自适应调节,在加快寻优速度的同时防止寻优陷入局部最优;采用基于贪婪方法的启发式交叉算子优化交叉结果;对交叉前后的种群分别实施精英个体保留策略,保证最优基因结构得以延续.实验结果分析表明,改进的遗传算法可以在种群规模较小的情况下具有更可靠的寻优能力.     

求解带软时间窗多车场多车型车辆路径问题的一种改进蚁群算法(英文)

考虑实际生活中带多种扩展特征(如多车场、多车型、客户服务优先级、时间窗等)的车辆路径问题应用广泛,建立带软时间窗多车场多车型车辆路径问题的数学模型,并提出一种改进的蚁群优化算法(IACO)求解该模型.首先,根据就近原则将客户分组,并通过扫描算法构造初始路径;其次,通过引入遗传算子并自适应地调整交叉概率和变异概率来提高算法的全局收敛能力,且采用平滑机制来提高蚁群优化算法的性能;最后,采用3-opt策略来提高算法的局部搜索能力.将提出的算法应用在3个随机产生的实例中,仿真表明提出的IACO在收敛速度和解质量两方面都优于现有的3种算法,证明提出的算法是有效可行的,且提出的模型具有一定的实际意义.     

求解车间作业调度问题的免疫粒子群算法

粒子群算法已成功地应用于著名的旅行商问题和其他一些组合优化难题。为了使用粒子群算法来解决生产问题，该文在原有的粒子群优化模型的基础上提出了一种新的免疫粒子群算法，由具体算例验证该算法是有效的。     

组合优化问题求解的计算模型研究

优化技术是一种以各种形式的数学处理方法为基础,用于求解各种工程问题优化解的应用技术。如何有效地求解组合优化问题现在仍是一个公开的困难问题。以遗传算法、模拟退火算法和蚁群算法为代表的智能优化算法的出现,为解决组合优化问题提供了一条新的途径。但智能优化算法目前仍存在许多问题需要进一步研究,如数学基础不够完善,研究结论相对分散等。建立一个智能优化算法求解组合优化问题的计算模型,可以将各种算法形成一个统一的算法结构框架,并对该模型中的操作算子进行了相关研究。     

求解CVRP的改进量子遗传算法研究

车辆路径问题属于离散NP-hard组合优化问题,传统的量子遗传算法存在储存量大和易陷入局部最优解等问题。提出一种新的量子遗传算法用于最小化运输成本。设计一种将量子比特编码转换为实数的编码方法,每条染色体代表一种行车路线方案,利用改进的旋转门对种群进行更新操作,采用动态调整旋转角机制对量子步长实现自适应搜索,扩大全局搜索范围|引入一种变异操作,用于保持算法的种群多样性,从而提高算法的全局搜索宽度|采用客户节点重置和2 opt法对〖JP3〗线路进行再优化,增强算法的局部搜索能力。仿真实验和算法比较,验证了该算法的优越性和有效性。     

旅行商问题算法研究综述

旅行商问题是一个经典的NP完全问题,由于其在许多领域内具有实际的应用价值,一直有众多学者对其进行研究。本文从介绍TSP模型入手,根据旅行商问题的分类,概要介绍了近五年来旅行商问题算法的研究状况,并对旅行商问题未来的研究作了展望。     

瓶颈旅行售货员问题算法

旅行售货员问题是一个著名的组合优化问题,已经被证明是NP-完备问题。提出一个新问题:瓶颈旅行售货员问题,并给出两个多项式时间算法。     

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。     

变异概率对PSO算法求解TSP问题的影响研究

提出了一种求解旅行商问题的改进粒子群算法,该算法引入了求解离散问题的学习机制和变异策略以提升粒子群算法求解旅行商问题的效率.通过对两个经典的测试问题(Oliver30和burma14)的仿真研究,表明不同变异概率对算法的影响,当变异概率为0.5时,算法的运行效率最高.     

航摄影像特征点提取算法研究

随着无人机在测绘领域的广泛应用,航摄影像处理已成为国内外关注的热点。为寻求更适合航摄影像特征点提取的算法,对目前国内外几种常用特征点提取算法进行对比分析,结果表明,Moravec算子相较于其它算子,原理最为简单,但图像处理效果不佳。为此,利用C#工具实现Moravec算子,并通过图像处理实验,从计算速度、提取质量、定位精度、抗噪能力等方面对其进行全面分析,得出该算子在提取质量、定位精度与抗噪能力等方面均性能较差,该结论为今后对其优化改进提供了明确的研究方向。     

噪声混沌神经网络在TSP中的应用研究

分析了NCNN（噪声混沌神经网络）模型的几个重要参数对系统性能的影响,并对其进行了优化、、仿真结果表明,优化的算法能成功解决旅行商问题,比传统的依靠经验选择参数的方法更有效,在收敛速度同解的质量之间取得了很好的折中。