用蚂蚁算法解决多目标TSP问题

分析了多目标问题的性质，提出一种在多个目标间权衡的评价指标。用一种较新的进化算法-蚂蚁算法来解决多目标TSP问题，对算法的实现进行了讨论。     

蚁群算法解决TSP问题图形化软件设计

研究蚁群算法的原理和应用,必然要对其进行程序实现,仅对原理进行非可视化的实现,只能获得数值序列的结果输出,不利于直观反映算法运行的效率。利用MFC结合多线程技术设计,并实现了蚁群算法解决TSP问题的图形化软件。软件能以图形化方式直观显示算法运行的实时效果,并可以同样方式直观显示算法所得最短路径和TSPLIB库中最短路径的差别,对蚁群算法的研究具有积极的辅助与促进作用。     

蚁群算法解决TSP问题的浅析

介绍了一种求解复杂组合优化问题的新的拟生态算法一蚁群算法。阐述了该算法的基本原理,以及蚁群算法在TSP问题上的应用,并提出了改进算法,使得算法有更好的全局性。     

蚁群算法在TSP问题中的应用

TSP问题（旅行商问题）是组合优化问题中最经典的NP问题之一，蚁群算法是基于群体的一种仿生算法，为求解复杂的组合优化问题提供了一种新思路，本文讨论了如何用基本的蚁群算法来求解TSP问题。     

蚁群算法解决TSP问题的浅析

介绍了一种求解复杂组合优化问题的新的拟生态算法—蚁群算法。阐述了该算法的基本原理,以及蚁群算法在TSP问题上的应用,并提出了改进算法,使得算法有更好的全局性。     

人工神经网络求解TSP问题新方法

本文在分析Hopfield/Tank方法的基础上提出一种新的人工神经网络方法,采用优化约束条件的能量函数,具有收敛速度快、不易陷入无效解、易获得亚优解等优点。     

混合蛙跳算法求解TSP问题

蛙跳算法中子种群的进化方式对问题求解性能影响很大。本文在蛙跳算法的子种群进化中使用了高效的演化算子。通过数据集pr76和berlin52进行仿真试验,仿真结果证实了算法的有效性。     

蚁群算法在TSP问题中的应用

TSP问题(旅行商问题)是组合优化问题中最经典的NP问题之一,蚁群算法是基于群体的一种仿生算法,为求解复杂的组合优化问题提供了一种新思路,本文讨论了如何用基本的蚁群算法来求解TSP问题。     

基于免疫算法的TSP问题求解

描述了免疫算法的一种框架结构,并给出了用此免疫算法求解ＴＳＰ问题的具体实现方法,求解结果体现了免疫算法的良好性能。     

基本蚁群算法在解决TSP问题中参数选择的研究

蚁群算法是受自然界中真实蚁群觅食行为的启发而提出的一种优化算法,基本蚁群算法是其中基础且较为经典的一种算法,而基本蚁群算法中的参数对算法效果有很大的影响。本文以使用基本蚁群算法解决TSP问题为例,在对相关内容进行介绍后,进而对基本蚁群算法的参数选择进行了实验及分析,最终给出了基本蚁群算法中各个参数的基本选择范围。     

求解TSP问题的遗传算法实现

TSP问题是一个典型的优化组合问题,现在有很多解决的方法。本文针对遗传算法求解TSP问题进行了研究,对选择、交叉和变异算子进行了算法设计,最后在Matlab软件上进行编程实现。结果表明,遗传算法在求解TSP问题时具有结果准确、收敛速度快等特点。     

蚁群算法实现求解TSP问题

蚁群算法是一种模拟自然界蚂蚁群体觅食的仿生优化算法,本文主要介绍了蚂蚁系统算法的基本原理,并应用该算法使用C语言编程解决TSP问题,并对算法进行了时间复杂度的分析,证明了该算法的有效性。     

TSP问题的蚁群算法求解

群集智能是近年来人工智能领域研究的一个新的热点课题,本文介绍了蚁群算法的原理及求解TSP问题的具体实现步骤。     

蚁群算法解决TSP问题的并行化研究与实现

蚁群算法在处理大规模TSP(Traveling Salesman Problem)问题时耗时较长,为了解决这一不足,给出一种基于多核环境下的并行优化算法.采用OpenMp并行优化技术对蚁群算法中最为耗时的循环迭代和循环赋值部分进行改进,减少其运算时间,同时利用粗粒度并行策略和PC机多核的优势将具有一定规模的小蚁群分配到对应的处理器上,使其并行执行,并且在适当时机让各处理器上的蚁群进行相互间的通信.通过实验证明,改进后的并行蚁群算法程序执行时间明显缩短,执行效率显著提高.由此可见,改进后的并行蚁群算法是可行有效的.     

基于Kohonen神经网的TSP问题求解

本文研究了利用Ｋｏｈｏｎｅｎ神经网求解ＴＳ问题。对于两个或两个以上的城市映射到同一个输节点提出了两种解决方法，并研究了输出节点规模、迭代次数对求解ＴＳＰ问题的影响，计算机模拟结果表明利用Ｋｏｈｏｎｅｎ神经网能够较快地获得ＴＳＰ问题的近拟解。     

TSP问题的瞬态混沌神经网络算法

采用具有瞬态混沌特性的神经网络(TCNN)解TSP问题。利用神经元的自抑制反馈产生混沌动态,其遍历性能和随机搜索性能有效地克服了Hopfield神经网络(HNN)极易陷入局部极小的缺陷,同时利用一时变参数控制混沌行为,使网络再经过一个短暂的倍周期倒分岔后逐渐趋于一般的Hopfield神经网络,从而收敛到一个最优或近似最优的稳定平衡点。仿真结果表明,TCNN比HNN具有更强的全局寻优能力和更高的搜索效率。     

一种基于图论求解平面TSP问题的算法研究

TSP问题是一个典型的组合优化问题,具有重要的实际应用价值。本文提出一中基于图论的逐点扩圈算法用于解决平面TSP问题,并与模拟退火算法进行比较,从各方面证明了该算法的正确性与可行性。为解决TSP问题提供了一种新思路。     

求解TSP问题的遗传算法新方法研究

遗传算法是一种基于自然选择与遗传变异等生物进化机制的全局优化搜索算法。由于它在搜索空间中同时考虑许多点．这样就减少了收敛于局部极小的可能,也增加了处理的并行性。因此可以利用遗传算法研究典型的组合优化实例-TSP问题的求解问题。本文借助于遗传算法,采用新的交叉算子,给出了旅行销售员问题较优解的求解方法。     

TSP问题次优化求解方法的比较

针对几种次优化求解了ＴＳＰ的方法，通过计算机仿真对优化性能，时间性能，波动性进行了比较研究，并归纳出各方法的特点和适用域。对大规模网络优化问题提出了分区分层化的思路，并通过仿真说明其可行性。     

一种基于遗传算法求解TSP问题的优化算法

旅行商问题是组合优化的一个经典问题,也是评价算法好坏的一个标准,它要求在给定的一张图中寻找一条哈密尔顿回路,使得该回路在所有的回路中长度最短。然而,该问题是一个NP完全问题,其求解时间会随着问题规模的扩大急剧上升。因此,只能希望在允许的时间内寻求问题的一个较优的解来替代。本文借助生物学的相关理论与思想采用遗传算法对该问题进行求解,最后通过对遗传算法的进一步分析,提出了一种可行的改进算法,达到了获得较优解的目的。