旅行售货员问题的图论近似算法

讨论了旅行售货员问题和图论中的哈密顿回路之间的关系,在此基础上结合图论中关于完全图最短路径的近似算法得到旅行售货员问题的一种近似算法。通过分析及实例验证了所提出的算法的可行性及有效性。     

树网络上的旅行售货员位置问题的一多项式算法

一、引 言 网络上的旅行售货员位置问题,广泛存在于服务性行业中.由于该问题是异常困难的(要求同时求解TSP与相应的位置问题),至今研究它的人还很少.1986年Berman等人提出了一O(n)算法(n为网络的顶点数),可以求出树网络上旅行售货员的最优位置.但由于问题的目标函数是2~n—1项的和,故不能在多项式时间内直接计算出最优值.本文提出另一O(n~3)的多项式算法,可以求出树网络上的旅行售货员的最优位置及对应的目标函数的值.若限定售货员的位置在网络的顶点上,那么新算法还可求出问题的任意阶最优解.新算法与Berman等人的算法结合起来,计算的复杂性为O(n~2). 旅行售货员位置问题可叙述如下:令T(V,L)是一无向网络(本文认为它是一树网络,|V|=n),每一个顶点代表一顾客,L是边集,h_i表示顾客i要求服务的概率.在每天开始,要求服务的顾客均记入表格R,E代表所有非空表格构成的集合,显然     

0/1背包问题的量子算法

近年来针对各种问题提出了许多量子算法,这些量子算法都利用了量子态的可迭加性(Superposition)和纠缠性(Entan-glement),本文在量子环境下对0/1背包问题进行求解,介绍了量子算法的基本思想及相关概念。然后分析并给出求解0/1背包问题的量子算法,在量子物理环境下它能在多项式时间内求出所需要的解。这个量子算法可以推广解决其它NPC问题,如旅行售货员问题等。     

子集和问题的量子算法

本文介绍了量子算法的基本思想及相关概念。在量子环境下利用划分原理,不断地对态矢划分子空间,然后减小不满足条件态矢的概率幅,而增大满足条件的概率幅,最后将以大的概率得到所求的解。从而可以把时间复杂度由传统的指数时间求解的问题变成在量子计算机中能在多项式时间能求解的问题,在量子物理环境下它能在多项式时间内求出子集和问题(背包问题)的解。这个量子算法可以推广解决其它NPC问题,如旅行售货员问题等。     

基于猴群算法求解旅行商问题

鉴于旅行商问题是一个NP难问题,而猴群算法是一种新的群体智能优化算法,因此,利用猴群算法给出旅行商问题的求解。在分析了旅行商问题的特点后,采用整数编码的方式来表示猴群的位置,这样就解决了猴群算法在求解含有离散变量的组合优化问题时,算法中的爬过程失效的问题,有效地利用猴群算法求解旅行商问题。为了提高猴群算法的性能,在猴群算法的爬过程中,引入好动策略,给出改进算法,并将其应用到求解旅行商问题。在仿真实验中,与其他算法进行比较,结果表明利用改进猴群算法能够有效地求解旅行商问题。     

改进TSP神经网络的收敛性

1.TSP神经网络的求解 巡回售货员问题(TSP:Travelling Salesman Problem)是经典的组合优化问题,它要求售货员访问N个城市,每个城市访问一次且仅一次,最后返回出发点。解的集合是所有合法旅行路径,优化目标是寻求尽可能短的合法路径,TSP的复杂度是N1/2N,当N较大时,寻求TSP的最佳解是相当困难的。     

一种新的基于并行蚁群算法的旅行商问题求解方法的研究

分析了旅行商问题,结合蚁群算法的群体的协作与学习能力,提出了一种基于蚁群算法的的旅行商并行计算模式．该算法根据蚁群的本质特征,并结合计算中通讯的开销,采用了粗粒度模型,并引入变异思想,能够提高算法的收敛速度,以获得更好的优化解．通过旅行商问题的仿真实验获得的结果表明,该算法对于蚁群算法具有较好的改进效果,能够很好地解决旅行商一类的问题问题求解。     

基于离散粒子群优化算法的含权旅行商问题新解法

考虑现有旅行商问题常忽略车辆载重对运输费用的影响,建立含权旅行商问题模型。在分析含权旅行商问题性质的基础上,提出离散粒子群优化算法求解含权旅行商问题。重新定义问题域的粒子速度、粒子位置等运算规则,引入惯性系数线性下降策略。实验表明,该算法可以有效用于含权旅行商问题的求解,并且对含权旅行商问题的求解性能优于遗传算法和模拟退火算法。     

改进的MIMIC算法求解旅行商问题

为了有效解决组合优化领域的旅行商问题,提出了一种改进的双变量相关的分布估计算法-MIMIC 算法.改进的MIMIC 算法将原有的二进制编码表达方式改为十进制编码,建立了求解旅行商问题的概率模型,描述了搜索空间上旅行路径的分布,以旅行路径的概率分布模型为基础进行随机采样,指导后代种群的产生,实现种群的进化以达到搜索最优旅行路径的目的.仿真实验表明,提出的改进的 MIMIC 算法是一种求解 TSP 问题的有效方法.     

差分演化算法求解旅行商问题

设计了基于差分演化算法的新算法来求解旅行商问题.在新算法中,旅行商问题的城市的个数作为向量的维数,每个向量的元素的大小顺序作为旅行商问题的一个可行解.实验表明,该算法能够成功求解小规模的旅行商问题,而且算法稳健性好;再与同类算法的优化结果相比较,表明了该算法计算量小、收敛速度快的优点.     

基于自组织优化算法的一类多旅行商问题

多旅行商问题作为旅行商问题的一个扩展,是一个经典的组合优化问题,具有更高的复杂性,也具有更广泛的实际意义。针对每个旅行商允许经过的城市数有上限的多旅行商问题,通过引入虚拟城市把多旅行商问题转化为单旅行商问题,并且应用自组织优化算法进行了求解。虚拟城市局部适值的定义很好地处理了此类问题的能力约束,针对多旅行商问题的实例进行的仿真表明自组织优化算法可以很好地求解此类问题。     

子旅行商问题及其蚁群求解算法

扩展旅行商问题是根据实际需要对传统旅行商问题的一种延伸和拓展,在实际问题中有许多有趣的应用。提出一种新的扩展旅行商问题(子旅行商问题),传统旅行商问题仅仅是子旅行商问题的一种特例。然后根据子旅行商问题的定义对蚁群系统算法进行改造,设计了一种有效的求解子旅行商问题的蚁群算法,并根据子旅行商问题的特点设计了一种高效的邻域局部搜索技术来提高解的质量。最后在10个TSPLIB范例上进行比较实验。结果表明:改进的蚁群算法能够有效求解提出的子旅行商问题,设计的邻域局部搜索技术是有效的。     

求解TSP问题的混合遗传微粒群算法

采用借鉴遗传算法的编码、交叉和变异操作的遗传微粒群算法对旅行商问题进行求解。针对微粒群算法的进化机制,设计了满足三条染色体交叉需要的分步式交叉算子。对多个基准测试实例的仿真计算表明,算法能有效的求解旅行商问题,在求解不同规模旅行商问题上性能均优于标准微粒群算法和离散二进制版本的微粒群算法。     

带冲突图的着色旅行商问题模型与算法

着色旅行商问题是多旅行商问题的一个重要变种，它被广泛地应用于带有重叠区域的多机工程系统。现有的着色旅行商问题难以有效应对带冲突的场景，这种冲突通常表现为两个城市不允许被同一旅行商访问。受带冲突图的组合优化问题的启发，提出了带冲突图的着色旅行商问题，且给出了其形式化的表达。带冲突图的着色旅行商问题是一个NP难问题，精确算法求解器CPLEX仅能在小规模问题实例上获得问题的最优解。为了求解更大规模的实例，提出了一个有效的模因算法。该模因算法采用了自适应大规模邻域搜索算子。对比模因算法和精确算法，模因算法在20个小规模实例中的9个结果更好，在18个实例上展现了其远超精确算法的求解速度。而比较模因算法和其他启发式算法，模因算法在全部14个中等规模实例上均取得了更好结果。此外，消融实验结果验证了模因算法中自适应大规模领域搜索算子的有效性。     

一种较快的求解旅行商问题的演化算法

一种较快的求解旅行商问题的演化算法,应用该算法求解VLSI制造中一个与旅行商问题相关的实例和求解卡塔尔194个城市的最短巡回问题,都得到了高质量的解。     

粒子群算法求解旅行商问题程序设计

粒子群优化算法是一种具备全局搜索能力的群集智能优化算法,针对一类离散的、NP完全的组合优化问题——旅行商问题,该文介绍了用粒子群算法求解旅行商问题的改进策略和主要模块的程序设计思想。将算法应用到20个城市的解旅行商问题所得到的结果与遗传算法进行比较,数字仿真与结果比较表明了改进粒子群算法求解该问题的有效性。     

基于遗传算法的双目标车辆路线优化研究

本文对车辆路线优化问题建立了双目标多旅行商问题模型，提出一种求解旅行商问题混合遗传算法，并对双目标多旅行商问题提出了解决方案。基于实例的仿真结果表明，文章提出的算法和解决方案是可行而有效的。     

粒子群算法求解旅行商问题程序设计

粒子群优化算法是一种具备全局搜索能力的群集智能优化算法,针对一类离散的、NP完全的组合优化问题——旅行商问题．该文介绍了用粒子群算法求解旅行商问题的改进策略和主要模块的程序设计思想。将算法应用到20个城市的解旅行商问题所得到的结果与遗传算法进行比较,数字仿真与结果比较表明了改进粒子群算法求解该问题的有效性。     

指针网络改进遗传算法求解旅行商问题

虽然遗传算法相较于其他算法能够更好地求解旅行商问题,但这种算法在使用的过程中容易陷入局部最优的问题,进而导致问题求解遭遇困境。文章在简要介绍旅行商问题的基础上,介绍了遗传算法求解旅行商问题的思路和方法,并明确算法应用中存在的不足。在此基础上提出基于指针网络改进遗传算法求解旅行商问题的新思路,为弥补遗传算法的缺陷提供相应的原理支持。     

求解旅行商问题的混合粒子群优化算法

为高效解决旅行商问题,结合光学寻优算法、混沌优化算法、粒子群优化算法,提出了一种新的混合智能优化算法,应用光学寻优算法的优点,为粒子群中粒子找到了一组最优的初始值,引入交换子、交换序列、混沌序列,提出了适合旅行商问题的光学混沌粒子群算——并严格证明了新算法的稳定性、收敛性.数值实验仿真结果表明,该算法收敛速度快、迭代次数少,能快速找到令人满意的最优解,为解决旅行商问题提供了新的思路.