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。     

解旅行商问题的一个新进化算法

旅行商问题(Travelling Salesman Problem,TSP)是一个著名的组合优化问题。提出用进化算法求解该问题。算法采用自然编码方式表示个体,设计了一种利用种群的边产生后代个体的新交叉策略。采用随机DoubleBridge变异策略,最后设计了结合2-交换和特殊3-交换的局部搜索算子改善解(个体)的质量。数值模拟实验表明,该算法是有效的。     

一种社会网络搜索免疫优化算法

社会网络搜索免疫优化算法是在社会网络体现出强大的信息搜索及传播能力的基础上,进一步提出的一种较为新型的免疫优化算法。本课题笔者在分析社会网络搜索与免疫克隆选择算法的基础上,进一步对基于社会网络搜索模型的免疫优化算法进行了探究,希望以此能够对社会网络搜索免疫优化算法的了解提供理论依据。     

一种求解TSP问题的改进近似算法

TSP问题是组合最优化中的一个著名问题,具有极高的理论和应用价值。本文通过对已有近似算法进行改进,提出了一种求解TSP问题更有效的近似算法。仿真实验表明,改进后的近似算法比原始算法获得的解更好,而且鲁棒性更优。     

基于Inver-over算子的离散和声退火混合算法解决TSP问题

和声搜索是一种新的启发式优化算法,算法模拟了音乐创作中乐师们凭自己的记忆,通过反复地调整乐队中各乐器的音调,最终能达到一个美妙的和声状态的过程.针对和声搜索算法容易陷入局部最优的缺陷,将其与模拟退火算法结合,得到了一种和声退火混合算法.又将混合算法应用到离散域中,并用Inver-over算子实现了离散和声退火混合算法.实验表明,混合算法针对TSP问题具有较高的求解质量.     

一种基于单亲进化遗传求解路径优化的新算法

对配送收集旅行商问题进行了研究,并针对其传统算法局限性进行了分析,提出了一种基于单亲进化遗传新算法.运用PEGA利用父体所提供的有效边的信息,使用保留最小边的方法对个体进行进化,求得费用最低的优化路径.实验证明,该算法可以有效、快速地求得问题的全局最优解.     

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。     

一种求解TSP问题的改进遗传蚁群算法

旅行商问题(TSP)是一种经典的组合优化问题.传统的蚁群算法运用正反馈和分布式计算机制,具有较强的鲁棒性.但是该算法搜索时间长、易出现早熟停滞现象.因此本文根据旅行商问题的模型特点,在蚁群算法的基础上针对TSP问题提出了一种新型的改进蚁群算法:即变参数选择城市策略,并且在交叉策略中选择PMX(Partially Matched Crossover)交叉策略.实验结果表明,与传统基本蚁群算法和遗传算法相比,能够较快地找到最优解,解的质量也相对较好,因此提高了蚁群算法对TSP问题的求解效率.     

用蚁群优化算法求解中国旅行商问题

中国旅行商问题是一个组合优化问题，是一个NP问题。本文提出用蚁群优化算法去解决，同时提出了两种改进的方法，其中，Ant-F能够增强系统的搜索能力，使系统避免早熟，具有正负反馈的功能，仿真简单，容易理解；而ACS 在Ant Colony System(ACS)的基础上改进而成，它使系统在演化的后期能够通过适当增大系统区分信息素对比强度的方法，尽快找到最优的解。和其它的几种蚁群优化算法、遗传算法和模拟退火算法相比较，实验表明，ACS 是本文提及的几种算法中最优的一种，它能加快系统收敛的速度，找到问题的最优值。     

Hopfield网络求解TSP的一种改进算法和理论证明

本文通过简化Ｈｏｐｆｉｌｅｄ神经网络求解问题的能量函数，提出了一种神经网络求解ＴＳＰ的改进算法，借助连接矩阵特征值的分析、从理论上证明了该算法保证获得ＴＳＰ有效解的原因。大量计算机模拟实验表明，该算法明显优于目前广泛应用的Ａｉｙｅｒ算法，具有收敛速度快、可避免无效解，易获得优化解等特点。     

一种新的基于禁忌搜索的静态波长路由算法

基于禁忌搜素的基本原理,提出了一种新的静态波长路由智能算法,实现了路由、波长的同时分配.文中给出了算法的流程和实现的细节描述,并且利用常用的四种实际网络模型进行算法仿真.仿真结果表明新算法稳定、有效,能够在合理的时间之内得到比以往的一些算法更优的结果.     

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...     

一种基于遗传算法解决路径规划的方法

路径的选择目标是求得的路径长度为所有路径之中的最小值。TSP（Traveling Salesman Problem）即旅行商问题,是数学领域中的著名问题之一,可以通过遗传算法来解决。经过对实际外勤工作问题的计算,遗传算法能够很好地解决小规模的TSP问题,并且在所得结果和算法运行时间上都有一定的优势。     

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.     

禁忌搜索求解排课问题的应用研究

提出了一种基于禁忌搜索算法的排课问题解决方案,结合了经典的网络流算法与现代启发式的禁忌搜索算法,使得两种算法优势互补,带来了更好的处理问题的能力.经实际数据的仿真验证,该算法具有一定可行性和适用性.     

基于TSP问题的混合遗传算法研究

文章在介绍遗传算法和混合遗传算法思想的理论基础上,分析了遗传算法的主要优缺点和改进算法的有效性原则,利用模拟退火算法的局部寻优能力提出了一种改进的遗传模拟退火算法。结合两者的优点,对其中的选择、交叉和变异操作进行了改进,并将其运用到TSP问题的求解之中。同时,给出了算法的具体实现过程,并进行了仿真实验,证明了混合算法的有效性。     

手写体汉字识别中的一种新的特征提取方法——弹性网络方向分解特征

本文研究手写体汉字识别中的一种新的特征提取方法－弹性网络方向分解特征，在该方法中，我们将手写体汉字进行横，竖，撇，捺四方向的分解，然后根据该汉字的笔划分构造一组非均匀的弹性网格，将弹性网格分别作用于汉字的四方向分量上，统计汉字象素点在网格上的概率分布作为特征，对１０３４类汉字共５１７００个手写体汉字样本的实验我们得到了９４．３９％的识别率，表明该特征提取方法是十分可行和有效的。     

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。     

求解旅行商问题的蚁群遗传混合算法

根据蚁群算法与遗传算法的特性,提出了求解旅行商问题的混合算法.该混合算法以遗传算法为整个算法的框架,根据旅行商问题的特点,给出了4种变异策略;针对遗传算法存在的过早收敛问题,加入2-Opt方法对问题求解进行了局部优化;利用蚁群算法根据信息素产生若干个路径,替代部分差的解.与模拟退火算法、标准遗传算法和标准蚁群算法进行比较,4种混合算法效果都比较好,策略D的混合算法效果最好.     

基于MATLAB的蚁群算法求解旅行商问题

旅行商问题的传统求解方法是遗传算法,此算法收敛速度慢,并不能获得问题的最优解。为了求取旅行商问题的最优解,本文在阐述蚁群算法的基本原理、模型以及在旅行商问题中的实现过程的基础上,提出了一种以蚁群算法构建的基于MATLAB的求解旅行商问题的方法,并最后通过仿真实验获得了目前已知的最好解。