利用确定性退火技术的旅行商问题求解算法

将确定性退火技术及聚类方法应用于旅行商问题,给出了求解旅行商问题的一种启发式算法．该方法将旅行商问题的离散模型转化为连续模型去求解,通过求解一系列随温度变化的物理系统的自由能函数的局部极小来获得旅行商问题的解,并给出了一个简单的显式迭代公式．算例表明,该算法性能良好．     

求解不确定TSP问题的蚂蚁算法

提出了不确定旅行商问题模型,该模型将路径长度看作动态可变的。从实际应用来说,该模型考虑了交通运行中的不确定情况,比经典旅行商问题更具有灵活性及实用价值,利用该模型得到的结果将更适于指导车辆对运行路线的选择。同时提出了一种基于蚂蚁算法的混合方法求解不确定旅行商问题,并给出了解的评价标准。实验结果显示,该方法能够加速蚂蚁算法的收敛性,可以有效求解不确定旅行商问题。     

最小比率旅行商问题的引力搜索算法求解

经典旅行商问题的目标函数是总路程最小,而在实际情况中往往会考虑旅行商的收益问题,研究了以总路程和总收益之比为目标函数的最小比率旅行商问题.由于该问题的目标函数是非线性的,比求解目标函数是线性的旅行商问题更为困难,为有效求解该问题,提出一种引力搜索算法.算法基于万有引力定律和牛顿第二定律进行寻优,并采用速度和位置的计算模型.同时结合随机键的编码方法,将搜索个体的连续位置转换为离散的城市访问顺序.给出了算法的具体实现方案,并通过仿真和比较实验验证算法的优化性能.实验结果表明该算法可以有效求解最小比率旅行商问题.     

基于混合算法的均衡路程MTSP研究

给出了MTSP的整数线性规划模型、分类,提出了均衡各旅行商访问路程和均衡各旅行商访问人数的多目标MTSP问题.针对均衡各旅行商访问路程的MTSP设计了相应的求解算法,求解算法为遗传算法和2-0pt的混合算法.给出了相应的示例和实验结果,并对实验结果的有效性进行了研究.     

有向黑白旅行商问题

黑白旅行商问题是经典旅行商问题的推广,在基于SONET技术的光纤网络设计、航线调度等领域具有广泛的应用.已有研究工作集中在无向黑白旅行商问题上.文章研究该问题的更一般形式--有向黑白旅行商问题.首先,给出了有向黑白旅行商问题的混合整数线性规划公式.与目前无向黑白旅行商问题包含指数多个约束的规划公式相比,它仅包含多项式个约束.其次,给出了一种启发式算法.实验表明,该启发式算法能够有效地求解黑白旅行商问题的实例.由于无向黑白旅行商问题是有向黑白旅行商问题的特例,故文中的结论对于求解无向黑白旅行商问题同样有效.     

不确定旅行商问题的鲁棒模型与算法

考虑到不确定参数在旅行商问题(TSP)中广泛存在,在Bertsimas鲁棒离散优化理论的框架下,建立了不确定旅行商问题的鲁棒优化模型,并按转换规则将鲁棒模型转换为鲁棒对等模型。给出了一种求解旅行商问题的基于Prufer数编码的单亲遗传算法,与求解该类问题的传统遗传算法相比,该算法缩减了染色体长度,避免了传统交叉和变异操作破坏染色体可行解的缺陷。通过算例验证,表明该算法有较高的求解效率,所建立的鲁棒模型在不确定环境下能得到较好的鲁棒解。     

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。     

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。     

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.     

最小比率旅行商(MRTSP)问题竞争决策算法

针对最小比率旅行商问题,利用竞争决策算法的通用模型,给出了一种基于竞争决策思想、能求对称型最小比率旅行商问题的快速求解方法,经过数据测试和验证,获得了较好的结果。     

A branch and bound algorithm for the travelling salesman and the transportation routing problems

In this paper, a branch and bound model with penalty tour building is developed for solving travelling salesman and transportation routing problems. The algorithm for determining the optimal solution of the problem is of the general form which can solve symmetric and asymmetric single and multiple travelling salesman problems (STS and MTS), and the transportation routing problems with capacity restrictions for the vehicles of same or of different capacities. The behavior of the developed algorithm is tested with randomly generated data. As an application, the routes for gas distribution is planned and carried out in several interior towns of a state, with the objective of making an efficient distribution in order to minimize the total cost of delivery with an optimal solution.     

带固定半径近邻搜索3-opt的离散烟花算法求解旅行商问题

传统烟花算法求解大规模离散问题存在收敛速度慢、求解精度不高等问题.针对旅行商问题的特点,提出一种带固定半径近邻搜索3-opt的离散烟花算法.该算法基于基本烟花算法进行离散化改进,采用整数编码的路径表示方法来表示旅行商问题的解,对爆炸算子、高斯变异算子进行离散化操作策略设计.为了使算法具有较好的局部搜索能力,提出固定半径近邻搜索3-opt策略来提高算法精度和收敛速度,同时采用不检测标志策略提高算法效率.实验结果表明:该算法能有效地求解旅行商问题,其离散烟花算子在全局收敛能力、收敛精度、求解时间和稳定性等方面均优于传统烟花算子;基准测试算例的最优解平均误差率仅为0.002％,优于对比算法.     

求解大规模旅行商问题的改进大洪水算法

大洪水算法是通过模拟洪水上涨过程来进行全局寻优的启发式算法,r-opt算法是一类常用的路径改进算法.本文针对旅行商问题,提出一种将二者有机融合的改进大洪水算法,可用于快速求解大规模和超大规模的TSP问题.算法在Delphi7环境下编程实现,经过大量TSPLIB中的数据实例进行测试和验证,求解结果与已公布的最好结果误差基本都在1％以下,为困难的大规模旅行商问题提供了新的求解手段.     

自适应蚁群算法在流水车间调度的应用

以求解旅行商问题(TSP)来介绍基本蚁群算法模型.针对其存在的易陷入局部最优和易出现停滞等缺点,将自适应调节策略与蚁群算法结合,提出应用改进的蚁群算法求解流水车间调度问题,并通过仿真实验验证了该改进算法的有效性和优化性.     

A hybrid swarm intelligence algorithm for the travelling salesman problem

Abstract: We present a hybrid model named HRKPG that combines the random‐key search method and an individual enhancement scheme to thoroughly exploit the global search ability of particle swarm optimization. With a genetic algorithm, we can expand the area of exploration of individuals in the solution space. With the individual enhancement scheme, we can enhance the particle swarm optimization and the genetic algorithm for the travelling salesman problem. The objective of the travelling salesman problem is to find the shortest route that starts from a city, visits every city once, and finally comes back to the start city. With the random‐key search method, we can search the ability of the particle and chromosome. On the basis of the proposed hybrid scheme of HRKPG, we can improve solution quality quite a lot. Our experimental results show that the HRKPG model outperforms the particle swarm optimization and genetic algorithm in solution quality.     

基于遗传算法的多人旅行商问题求解

旅行商问题是一个经典的XP完全问题，多人旅行商问题的求解则更具挑战性。以往对求解多人旅行商问题的研究局限于以所有成员路径总和最小为优化标准，面对以所有成员路径最大值最小为优化标准的另一类多人旅行商问题却未加注意。文章给出了这两类多人旅行商问题的形式化描述，探讨了利用遗传算法求解这两类多人旅行商问题的基本思想和具体方案，进行了仿真实验验证。仿真实验数据表明，这是一种高效而且适应性强的多人旅行商问题求解方法。     

改进蚁群优化方法求解立体表面TSP问题

给出立体表面TSP问题的数学模型,提出一种改进的蚁群优化算法,用于解决立体表面TSP问题。该算法能快速找到最优路径或近似最优路径,得到的解质量较高且计算时间短。实验方法表明,改进后的蚁群算法在TSP的求解中,收敛速度和全局寻优能力均得到较大的提高。     

基于模拟退火算法的旅行商问题的实现

旅行商问题TSP是一类典型的NP完全问题．围绕着这个问题有各种不同的求解方法,已有的算法例如动态规划法、分支限界法、回溯法等,这些精确式方法都是指数级的,根本无法解决目前的实际问题．贪心法是近似方法．无法达到比较满意的近似比。常用的遗传算法也是求解这类问题的常用方法之一。由于该问题的解是一种特殊的序列．所以遗传算法在求解该问题时的性能也并不理想。模拟退火算法具有描述简单、使用灵活、运用广泛、运行效率高和较少受到初始条件约束等优点．是解决旅行商问题的一种很好的算法。     

Beam-ACO for the travelling salesman problem with time windows

The travelling salesman problem with time windows is a difficult optimization problem that arises, for example, in logistics. This paper deals with the minimization of the travel-cost. For solving this problem, this paper proposes a Beam-ACO algorithm, which is a hybrid method combining ant colony optimization with beam search. In general, Beam-ACO algorithms heavily rely on accurate and computationally inexpensive bounding information for differentiating between partial solutions. This work uses stochastic sampling as a useful alternative. An extensive experimental evaluation on seven benchmark sets from the literature shows that the proposed Beam-ACO algorithm is currently a state-of-the-art technique for the travelling salesman problem with time windows when travel-cost optimization is concerned.     

基于蚁群算法的中国旅行商问题满意解

蚁群算法是基于群体合作的一类仿生算法，适合于解困难的离散组合优化问题。本文对其做了适当的改进，以克服其求解速度过慢、容易出现停滞的缺陷，并将其用于解决中国旅行商问题。找到了目前巳知的最好的解，同时指出了进一步提高蚁群算法效率还需解决的问题和方向。