旅行商问题的一种模拟退火算法求解

旅行商问题(TSP)是组合优化领域里的一个典型的、易于描述却难以处理的NP难题,其可能的路径数目与城市数目是呈指数型增长的,求解非常困难。首先介绍了旅行商问题,模拟退火算法原理及其算法实现。应用模拟退火算法对TSP进行研究,给出解决TSP的一种比较精确的算法并用Matlab实现了算法。最后用该算法对TSP进行了仿真,验证了该算法的有效性。     

模拟退火算法及其在求解TSP中的应用

TSP是组合优化中著名的NP hard问题,模拟退火算法是解决TSP的有效方法之一。介绍和描述模拟退火算法原理和Metropolis算法的过程,并应用模拟退火算法对TSP进行研究,给出解决TSP的一种比较精确的算法,比较好地解决了NP hard问题中TSP,同时为计算机编程提供了编程思路。     

基于遗传算法的动态TSP问题求解

TSP问题是一个经典的NP难度的组合优化问题,遗传算法是求解TSP问题的有效方法之一。本文通过分析动态TSP问题的特点,将2-OPT算法、弹性松弛算法和遗传算法结合起来,设计并实现了一种解决动态TSP问题的算法。仿真实验结果表明,该算法有较快的收敛速度,能有效地遏止早熟;无论在静态环境下还是动态环境下都可行、高效。     

基于遗传算法的TSP问题研究

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。现就提出的一种求解TSP问题比较有效的改进的遗传算法进行了研究，从遗传算子、评估函数、种群多样性等方面对算法进行了分析，并对实例CHN144进行了测试，实验结果表明文中提出的算法在求解TSP问题上是有效的。     

继承优秀染色体片段的PSO算法求解TSP问题

粒子群优化算法(PSO)提出至今一直未能有效解决离散及组合优化问题,TSP问题是组合优化问题中一个典型的NP问题.文中参考了离散粒子群算法(DPSO)和遗传算法(GA)解决TSP问题的成功经验,提出了一种继承优秀染色体片段的PSO算法(ECFG-PSO).为避免早熟,在算法中加入了局部查找和二次初始化策略.实验证明ECFG-PSO算法解决TSP问题的效率和规模优于DPSO算法.     

一种基于Geatpy库求解TSP问题的方法

本文基于数学领域中最为著名的问题之一就是旅行商问题(TSP),属于典型的组合优化问题,对于大规模TSP问题在使用经典算法很难求出精确解的情况下,一般采用智能算法来获取最优解或次优解。基于Geatpy遗传算法库,本文给出了一种求解TSP问题的方法,实验结果证明该方法是有效的,具有一定的通用性,值得进一步应用推广。     

混沌优化算法在组合优化问题中的应用

组合优化问题一直都受到理论界和工程界的重视,此类问题的求解方法也有很多,却各有缺点和局限性,不能满足实际应用的需要。混沌优化算法在解决数值优化问题上具有一定的普遍性,可以很快找到全局最优解,不过组合优化问题的解不是一个数值,因此在前人研究的基础上,提出求解组合优化问题的混沌优化算法。首先分析混沌优化,并针对组合优化问题中的TSP问题,提出一种混沌优化策略,探讨在TSP问题中应用混沌优化算法的方法。结果表明了该方法的有效性。     

一种求解GTSP的转化算法

按照点群之间是否有公共顶点可以把广义旅行商问题(GTSP)分为两类:分离的GTSP和交叉的GTSP。由于GTSP是比TSP更为复杂的一类组合优化问题,TSP可视为GTSP的特例。相对于TSP,GTSP研究较少。文中提出一种交叉的GTSP向TSP的有效转化,简化了GTSP的求解,仿真实验表明该转化是有效的。     

旋转货架拣选作业优化的交叉蚁群算法求解

单伺服机分层水平旋转货架存取路径优化问题是一个特殊的TSP问题,为NP完全难题。使用蚁群算法来求解该问题,搜索时间长、收敛速度慢、易陷于局部最优解。为此,根据遗传算法中的交叉操作对该算法进行了改进,构造交叉蚁群算法,并进行计算机仿真,结果表明该算法能较快地找到最优解。     

遗传算法在排课系统中的应用

遗传算法是一种借鉴于生物界自然选择和进化机制发展起来的高度并行、自适应的随机搜索算法,是一种非常有效的解决NP完全的组合问题的方法。排课问题是一个有约束的、多目标的组合优化问题,并且已经被证明为一个NP完全问题。本文将结合职业学校的实际排课情况,利用遗传算法对排课问题进行求解。     

多无人机协同搜索多目标的路径规划问题研究

多无人机协同搜索多目标的多旅行商航路规划问题(MTSP)是无人机协同作战的关键技术之一。在协同搜索背景下,多架无人机从同一个基地出发搜索附近的可疑目标,以最快速完成任务为目的,建立MTSP模型,提出一种聚类算法和遗传算法进行分步组合的优化算法。第一步,利用K-means聚类算法将MTSP问题分解成多个独立的TSP问题;第二步,改进遗传算法,引入2-opt算法作为优化算子,重新设计选择算子和交叉算子,分别求解多个TSP问题。通过具体算例验证了该算法的合理性,并同常用的分组遗传算法比较,分步组合优化算法具有更高的计算效率,求解结果更为可靠,尤其在求解大型MTSP问题时,优势更为明显。     

改进的演化近似算法求解TSP问题

TSP是典型的具有NPC复杂性的组合优化问题。在演化算法的基础上，提出了一种有效求解TSP问题的近似算法IEAA。IEAA采用单性生殖方式，通过保留一组较优个体加速了算法的收敛。详细介绍了的算法的设计和实现．并用于求解CTSP问题，实验结果表明，该算法能有效的解决CTSP问题，且算法性能优于基本演化算法SEA。     

基于Hopfield网解决TSP问题

利用神经网络解决组合优化问题是神经网络应用的一个重要方面。组合优化问题,就是在给定约束条件下,使目标函数极小(或极大)的变量组合问题。首先介绍了Hopfield神经网络的工作原理,然后具体介绍了TSP问题,然后给出了Hopfield神经网络解决TSP问题的实例,最后的结果表明利用Hopfield神经网络解决TSP问题可以求得问题最优解的次优解。     

一种求解旅行商问题的深度学习方法

近年来,深度学习为求解组合优化问题提供了新的视角.但目前已有的方法在训练时基本都存在收敛速度慢的问题,学习到的策略性能不够高.针对该问题,以经典组合优化问题中的旅行商问题(Travelling salesman problem,TSP)为例,基于Transformer的模型结构,在编码器中屏蔽已访问的城市,解码器在每一...     

基于LabVIEW仿真实现TSP问题的模拟退火算法

针对旅行商问题（TSP）具有的易于描述却难以处理的NP完全难题、其可能的路径数目与城市数目是呈指数型增长的、求解困难的特点。本文首次采用LabVIEW仿真实现模拟退火算法来求解该问题。仿真结果表明LabVIEW独有的数组运算规则可有效的实现该算法求解TSP问题，相比较其它方法，该方法更简单、实用、计算精度高、速度快，并...     

一种基于多样化个体的蚁群系统

蚁群算法是模拟蚁群寻找最短路径时的交互过程的一种算法,是受蚂蚁的行为启发而发展出来,已经广泛应用于组合优化问题的求解等方面问题,但其收敛速度一直是该领域讨论的热点问题。本文结合著名的ACS算法,提出一种基于多样化个体的蚁群系统算法ACS—DI,通过TSP对其进行验证。实验证明,此算法增强了搜索能力及收敛速度。     

用模拟退火算法求解旅行商问题

用模拟退火算法对求解旅行商组合优化问题作了一定的研究，提出了多种不同的随机抽样方式，并对其进行了分析计算。通过实验表明，在满足模拟退火算法全局收敛性的情况下，子排列反序并移位抽样方式对求解NP完全问题是非常有效的。     

改进混合蛙跳算法求解旅行商问题

以旅行商问题(TSP)为例,引入调整序思想设计了局部搜索策略,同时在全局信息交换过程中加入变异操作,提出一种改进混合蛙跳算法求解TSP问题.实验结果表明,与遗传算法和粒子群优化算法相比较,改进混合蛙跳算法在求解TSP问题上具有更好的搜索性能和顽健性.     

一种求解最小割的警示传播算法

最小割问题（minimum cut problem）是NP（Non-deterministic Polynomial）难问题,警示传播算法（warning propagation）是一种基于因子图的消息传递算法,可用于求解组合优化问题.首先,本文借助隐马尔可夫模型将无向图转换为因子图,将求解最小割映射为求解因子图的相应问题.进而设计一种求解最小割的警示传播算法.最后,选取了几组随机无向图实例进行数值实验,实验结果表明,该算法在求解速度上优于同类算法.     

遗传算法与蚁群算法在商旅问题中的应用研究

遗传算法在多个领域得到了应用,如人工智能领域,最优化求解问题,TSP问题等等.本文就遗传算法的基本定义与思想进行了介绍,同时介绍了由遗传算法优化或者衍生而来的一些算法的作用.并介绍了遗传算法的具体应用.