混合遗传算法在旅行商问题中的应用

为了更优地解决旅行商问题，改进单纯用遗传算法求解旅行商问题的结果，本文通过遗传算法和禁忌搜索算法自身的特点，分别对二者的优势和不足进行分析，提出一种将二者混合使用的求解旅行商问题的算法．该算法以遗传算法为基础，用遗传算法作全局搜索，用禁忌搜索算法作局部搜索．同时，通过计算实例分析，将这种混合遗传算法用于旅行商问题的求解中．试验表明，混合遗传算法比较单纯的遗传算法的计算结果有一定的改进．     

一种新的水下机器人集群路径规划方法

将智能水下机器人集群协同清扫水雷的路径规划问题归结为多人旅行商问题，并根据清扫水雷的任务背景提出两种多人旅行商问题模型．给出了这两类多人旅行商问题的形式化描述，进而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，最后进行了仿真实验验证和算法收敛性分析．实验数据表明，这是一种高效而且适应性强的多机器人路径规划方法．     

用遗传算法求解旅行商问题

论述了用遗传算法求解旅行商问题（TSP）的算法步骤,给出了在MATLAB环境下用遗传算法解决旅行商问题的具体程序设计．将此算法应用到6个旅行商问题中,并将得到的运行结果与用弹性网络得到的结果进行了比较,发现用遗传算法得到的结果与最优解较为接近．     

基于TSP问题的远航程无人水下航行器路径规划研究

针对远航程无人水下航行器的路径规划问题,本文提出了一种基于旅行商（TSP）问题的路径规划的新方法。阐述了TSP问题的基本原理,并采用了模拟退火算法和遗传算法进行了仿真研究,获得较好的仿真结果。     

基于改进遗传算法求解旅行商问题

为解决用基本遗传算法求解旅行商问题过程中保持群体多样性能力较差问题，提出了一种改进遗传算法．算法的主要改进手段是：通过二交换法来构造初始种群，以提高寻找到最优解的速度：用改进交叉算子进行交叉操作，避免了种群过早成熟．仿真结果验证了改进遗传算法的良好性能．     

改进量子交叉遗传算法在TSP问题中的应用

为提高遗传算法求解旅行商问题的效率,提出了一种改进量子交叉算子遗传算法.与经典量子全干扰交叉算子中城市的选择完全依赖于其位置的选择策略相比,新算子在选择城市时加入了父代优质解的有用信息,从而在维持解的多样性的同时,提高交叉所产生新解的质量.仿真算例结果表明,改进交叉算子遗传算法有着良好的全局搜索和局部挖掘能力,针对TSP问题的最优解、平均解均优于传统算法.     

遗传算法在TSP问题中的应用

遗传算法是借鉴生物界自然选择和进化机制发展起来的全局的概率搜索算法,旅行商问题（TSP）是著名的NP问题,也是组合优化、计算机科学界经典的问题之一。本文简介了遗传算法的原理、设计方法和基本步骤,并着重用遗传算法对TSP问题进行近似求解。     

基于K-近邻域搜索的遗传算法求解旅行商问题

针对传统遗传算法在求解旅行商问题时存在容易陷入局部最优和运算时间较长的问题,着重考虑影响算法局部搜索能力和种群多样性保持两个方面的因素,提出改进策略.将交叉变异产生的新个体与父代种群合并后剔除重复个体,再选择优势个体作为新种群,防止种群中适应度值较低但具有优质基因的个体被剔除,促进种群多样性的发展;通过分析旅行商问题的内在特性,采用K-近邻域搜索的方式减少变异算子的无效操作,提高算法局部搜索能力及算法寻优效率.实验结果表明：与BLS算法相比,改进遗传算法的平均解误差降低了15.36%;相较于传统遗传算法,应用新型变异算子的改进遗传算法收敛速度明显提高.全精英选择法能较好地保持种群多样性,新型启发式变异算子在全局搜索的同时加强了局部搜索能力,对提高算法求解精度和寻优效率都有较好的效果.     

一种基于免疫遗传的TSP求解方法

为了更有效的求解旅行商问题(TSP),利用遗传算法与免疫算法各自的特点以及二者的共性提出了一种新的优化方法——免疫遗传算法,在本算法中采用抗体浓度调节机制并引入能量函数来求解TSP问题。给出了求解TSP问题的抗体、抗原、抗体浓度以及能量函数的数学表示,描述了该算法求解TSP的具体实现过程。仿真实验结果表明该方法在解决同类问题时比传统人工神经网络、遗传算法以及单一免疫算法取得了更短路径和更快的收敛。     

TSP问题的一种改进遗传算法

针对传统遗传算法（以下简称GA）解决旅行商问题（以下简称TSP）时存在的缺陷与不足，对传统GA的结构加以改进，并提出OX改良算子、贪婪倒位变异算子、组合变异算子等，使该算法在提高搜索效率与解质量方面取得很好的综合平衡。仿真实验验证了该算法的有效性。     

遗传算法求解TSP问题的研究进展

文章介绍了TSP问题和遗传算法的基本原理以及特点；针对解决TSP问题，论述了遗传算法在编码表示和遗传操作算子等方面的应用情况，分别指出了顺序表示、路径表示和布尔矩阵表示的优缺点．阐述了三种基本的操作算子的应用现状；最后，简单说明了混合遗传算法在求解TSP问题中的应用并对遗传算法解决TSP问题的前景提出了展望．     

一种求解TSP问题的改进遗传算法

旅行商问题(Traveling Salesman Problem TSP)是一个典型的组合优化问题,但应用基本遗传算法求解TSP问题时存在许多不足.结合TSP问题的特点,提出一种改进的遗传算法:应用贪心策略初始化种群,用2-opt对其进行优化,使得在初始个体中就包含较优子路径,在一定程度上加快算法收敛性,防止早熟和近亲繁殖.对交叉算子和变异算子进行改进后,既能维持种群的多样性,也保留了父代个体大部分优良性能.应用改进的算法对20个城市的TSP问题进行求解,结果表明该算法求解速度快而且求解的质量较好.     

单亲遗传模拟退火及在组合优化问题中的应用

基于模拟退火算法(SA)、遗传算法(GA)、 单亲遗传算法(PGA)、遗传模拟退火算法(SAGA)理论的优缺点,比照SAGA、根据SA和PGA的优势互补性,提出了一种融合SA和PGA的新算法--单亲遗传模拟退火算法(SAPGA).结合SA、PGA的优点,对PGA中每一代操作内部的基因重组操作进行了改进,同时改变了传统的降温方式、在两代操作之间加入染色体按适应度函数大小排列的过程.用3组城市数据的旅行商问题(TSP)对上述5种算法进行仿真实验,SAPGA的平均最优解始终最小,收敛所用时间始终最短.     

混合遗传蚁群算法的改进及在TSP问题中的应用研究

蚁群算法（ACA）与遗传算法（GA）都属于仿生型优化算法,是解决组合优化问题的强有力工具,并都分别成功应用于旅行商问题（TSP）中。本文将两种算法进行融合,并给出了新的融合方式。实验结果表明,新的遗传蚁群混合算法有效地改进了算法的全局收敛性,并加快了收敛速度。     

新型混沌粒子群算法在TSP中的应用

针对旅行商问题,提出一种结合混沌优化和粒子群算法的新型混沌离散粒子群方法（CIPSO）。新算法根据此类组合优化问题解的固有地形特征,利用混沌运动的遍历性、随机性等特点进行求解,其基本思想是在求解过程中对粒子进行混沌扰动避免陷入局部最优,并引入群体间粒子的交叉作用来提高寻优效率。通过与遗传算法、蚁群算法和模拟退火算法等比较以及不同TSP问题的仿真实验发现,该方法是一种能进行有效优化的新方法。     

改进遗传交叉算子求解TSP

遗传算法中的交叉步骤最根本的作用就是要使子代继承父代的优秀基因。根据TSP问题的特点考虑了用遗传算法求解TSP问题中遇到的交叉算子，构造出一种能很好继承父代优秀基因的交叉算子。实例计算表明该算法在收敛速度快的同时，具有较强的全局搜索能力。     

基于分布式遗传算法的多段翼型优化设计

为了提高采用遗传算法的气动外型优化设计的效率，文中探讨了将分布式计算引入到优化设计过程中，实现了基于分布式遗传算法的多段翼型优化设计，进行了多段翼型的缝隙、重叠量和偏转角度等量的优化设计。设计实践表明，该方法是可行的。     

基于FK滤波的TSP负反射提取方法研究

隧道地震地质超前预报系统中,现在最常用的软件是由瑞士安伯格公司研制的TSP处理系统,该系统同化了地震资料处理和解释的步骤,隐藏了处理过程信息,这个为地震资料的处理带来了很多不便。本文旨在采用FK滤波方法扩展TSP中提取负反射的方法。TSP有效信息负反射和干扰波在视速度上存在差异,本文采用FK滤波的方法提取地震负反射,并对理论模型和实际资料做了试验和分析,通过试验分析证明FK滤波方法在提取地震负反射方面有较好的效果。     

石家庄市冬季大气中TSP,PM10,PM2.5污染水平研究

为研究石家庄市冬季大气颗粒物污染特征,于2013年2月采集TSP,PM10,PM2.5样品,用重量法分析其质量浓度,并对其相关性进行分析.结果表明,用环境空气质量标准（GB 3095-2012）来衡量,石家庄市冬季大气颗粒物TSP,PM10和PM2.5的日均浓度超标率分别为57.9％,82.9％和81.6％;超标倍数分别为1.28,1.86和2.24倍,超标情况严重;TSP与PM10和PM10与PM2.5相关系数分别为0.748 9和0.760 4,相关性较好;ρ（PM10）/ρ （TSP）平均值为0.74,ρ（PM2.5）/ρ（PM10）平均值为0.61,表明PM10和PM2.5污染严重.