求解旅行商问题的几种智能算法

旅行商问题（TSP）是一个典型的组合优化问题,易于描述却难于求解。对于大规模TSP问题,目前仍未有非常有效的方法,如何快速有效的求解TSP问题有着重要的理论价值和实际意义。文章介绍了什么是TSP,论述了目前求解旅行商问题较为有效的六种智能算法（遗传算法、蚁群算法、Hopfield神经网络算法、模拟退火算法、人工免疫算法、混合优化算法）,并简单阐述了其优缺点,给出了未来针对TSP问题的研究重点。     

求解TSP的插队算法中初始回路的选择

插队算法是求解旅行商问题(TSP)的一种较好的近似算法。插队算法中初始回路的选择对算法的性能具有至关重要的影响。文章在考虑了城市分布特点的基础上,选用能大致模拟密集城市分布的三角形作为初始回路,以包罗同一方向上更多的城市,然后按照子回路增加路径最短规则依次将其余城市加入到路径中,形成旅行商问题较优的近似解。与其他启发式算法比较,该方法不需迭代,且解的质量更好。TSP测试文件berlin52.tsp仿真结果证明了该方法的优越性。     

用数据搅动算法求解TSP问题

TSP(旅行商问题)是一个典型的、易于描述的却难于处理的NP问题.本文采用数据搅动方法,给出了一个求解TSP问题算法.算法将距离矩阵的数据不断交换到路径特征点位置,路径长度会越来越短,渐渐靠近TSP的最优解.算法实现容易、运行速度较快.用该算法,找到了新的C-TSP路径,该路径比目前已得到的C-TSP最短路径缩短25公里.     

压缩搜索空间法解TSP

旅行商问题(TSP)是一个著名的组合优化问题,从TSP的区域特性入手,提出并详细描述了将搜索剪枝算法与遗传算法相结合的剪枝表法.在对中国旅行商问题(CTSF)的实验中,剪枝表法表现出了良好的寻优能力和鲁棒性,是一种新的可行解决方案.     

求解旅行商问题的近似多项式算法

旅行商(TSP)问题是一个典型的组合优化问题,易于描述却难于求解.对于大规模TSP问题,目前仍没有非常有效的方法.针对弹性网络算法在求解旅行商问题中时间性能方面的不足,提出了一种快速的求解算法.在弹性网络算法基础上,提出了求解旅行商问题的扩张方法和收缩方法,它们时间复杂性低于O(N3),经过比较扩张方法的效果比较理想.在扩张方法的基础上,提出随机扩张方法和完全扩张方法,完全扩张方法的时间复杂性低于O(N4),仍然是一个多项式算法.实例表明,完全扩张方法是一个快速且有效的算法.     

一种适用于求解旅行商问题的新型算法性能分析

二点组合算法是求解旅行商问题（TSP）的一种环路改造算法,与蚁群算法相比,时间复杂度、计算精度等性能皆优于后者,实际应用结果表明本算法在解决中小规模旅行商问题时的实用性。     

瓶颈旅行商问题的一个近似算法

本文在旅行商问题(TSP)启发式算法的基础上进行修改,给出了瓶颈旅行商问题(BTSP)的一种启发式算法,并在微机上作了试算,效果较好,许多情况下都能得到最优解。     

旅行商问题的近优解评价方法--浅析启发式算法的有效性

1引言 旅行商问题(Traveling Salesman Problem,TSP)的描述如下:给定N个城市,已知它们之间的距离矩阵,寻求一条经过所有城市一次且仅一次的最短Hamilton回路.TSP已被证明属于NP完全问题,由于启发式算法具有计算复杂性与算法所得近优解的"质量"折中性好的特点,它在TSP算法的研究中占有重要的地位[1],启发式算法的有效性表现在两方面:一是计算复杂性低,二是近优解"质量"高.启发式算法的上界收敛性,即准收敛性的研究是评价启发式算法的一个重要问题.本文以评价近优解为中心,通过总结、归纳已有方法,整理各种典型算法的评价结果,对现有方法的适用范围和评价结果的意义作了分析讨论,其结论对于改善现有算法以及评价新算法有一定的指导作用.启发式算法的准收敛性仍旧是一个正在研究中的问题.     

应用蚁群算法求解TSP

介绍了一种求解复杂TSP的蚁群算法,阐述了该算法的基本原理、模型以及实现过程,并介绍了蚁群算法在旅行商问题(TSP)中的应用思路。     

基于旅行商问题的粒子群优化算法

旅行商问题(Traveling Salesman Problem,TSP)是一类离散的、NP(Non-deterministic Polynomial)完全的组合优化问题,有着广泛的应用背景和许多的求解方法。该文介绍了用粒子群优化算法求解旅行商问题,并与模拟退火算法和遗传算法相比较,通过实验结果说明了粒子群优化算法在解决大规模组合优化问题上的有效性和可行性。