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.     

求解旅行商问题的位置一次序编码差分演化算法

首先利用“差异算子”和“选择算子”描述了差分演化算法（DE）的基本原理，然后提出了一种新的、通用的特殊编码方法：位置-次序编码法，并利用此编码方法，提出了求解著名旅行商问题的离散差分演化算法：基于位置-次序编码的差分演化算法（PODE）。对于TSPLIB中两个不同规模的旅行商问题实例的计算表明，PODE算法具有极好的收敛性和稳定性。     

求解旅行商问题的位置-次序编码差分演化算法

首先利用“差异算子”和“选择算子”描述了差分演化算法(DE)的基本原理,然后提出了一种新的、通用的特殊编码方法：位置 次序编码法,并利用此编码方法,提出了求解著名旅行商问题的离散差分演化算法：基于位置 次序编码的差分演化算法(PODE)。对于TSPLIB中两个不同规模的旅行商问题实例的计算表明,PODE算法具有极好的收敛性和稳定性     

求解旅行商问题的混合量子蚁群算法

针对蚁群算法求解旅行商问题时易陷入局部最优和收敛速度慢的问题,提出一种新的求解旅行商问题的混合量子蚁群算法。该算法采用量子比特的概率幅对各路径上的信息素进行编码,采用量子旋转门及蚂蚁走过的路径对信息素进行更新,设计一种新的变换邻域准则。基于TSPLIB的仿真实验结果表明了该算法具有较快的收敛速度和求解精度。     

混合算法求解着色瓶颈旅行商问题

基于着色旅行商问题(colored traveling salesman problem, CTSP),给出了一种适用性更加宽泛的组合优化问题模型：着色瓶颈旅行商问题(colored bottleneck traveling salesman problem, CBTSP).CBTSP可建模含有部分重合工作区域的规划问题,譬如有合作任务和单独任务的人员与车辆的路线规划,此类问题由于目标函数与旅行商问题不一样,因此不能够用CTSP模型来建模.由于CBTSP属于NP难问题,对于规模大的此类问题,自然启发式算法是个合适的选择.基于此,提出了一种自然启发式算法求解CBTSP,该算法是基于伊藤过程的粒子群算法(particle swarm optimization, PSO)、模拟退火算法(simulated annealing, SA)和遗传算法(genetic algorithm, GA)的混合算法(PSGA).PSGA首先用二重染色体编码来构建问题的解,然后运用遗传算法的交叉操作进行更新,其中交叉长度由伊藤过程的活动强度来控制,而活动强度由粒子半径和环境温度来决定.为了充分验证算法的有效性,使用小尺度到大尺度不同规模的数据进行实验,通过广泛的实验与分析表明:PSGA求解CBTSP问题的求解质量要优于对比算法.     

一种简单有效的求解TSP的混合差分进化算法

设计了基于标准差分进化算法(differential evolution,DE)与遗传算法(genetic algorithm,GA)的混合差分进化算法(hybrid DE,HDE),同时用典型的测试函数对HDE进行性能测试。针对旅行商问题(traveling salesman problem,TSP)的求解难题,给出了采用位置—次序转换策略和HDE的有效求解方法,并测试了Oliver 30个城市的TSP。仿真结果表明,与DE和GA相比,HDE的优势在收敛率、平均最优解以及耗时上都很明显,证明了HDE在解决TSP问题上的有效性和稳定性。     

混合算法求解旅行商问题

该文分析了改进粒子群优化算法和回溯法各自的优缺点,将改进后的粒子群优化算法和回溯法相结合求解旅行商问题．保证了算法的快速收敛和全局收敛能力,仿真实验表明两种算法结合弥补了粒子群算法全局搜优能力不足问题。     

求解旅行商问题的混合蚂蚁算法

旅行商问题是一个经典的NP问题，文中给出了一个有效的求解旅行商问题的混合蚂蚁算法。算法设计了初始信息素量设置方案和信息素的更新方法，限制了蚂蚁转移的目标城市数，并使用2-Opt方法对路径进行优化。数据实验表明，该算法是有效的。     

基于分段混合蛙跳算法的旅行商问题求解

针对旅行商问题(TSP)在搜索后期解的多样性和精度下降的问题,提出一种解决TSP问题的分段混合蛙跳算法(S-SFLA)。该算法在搜索初期利用逆转变异算子减少交叉路径,在搜索的后期引入邻域搜索(个体邻域,局部最优领域,全局最优邻域)增加种群多样性。在整个搜索过程中记忆全局历史最优解与局部历史最优解,进行全局更新和局部更新,避免迂回搜索。在局部更新中,每一个青蛙都有机会得到更新。实验结果表明,与遗传算法、蚁群算法、基本蛙跳算法相比,S-SFLA算法在求解中等规模的TSP问题上具有更快的搜索速度和更高的求解精度。     

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。     

A variable neighborhood search for flying sidekick traveling salesman problem

The efficiency and dynamism of unmanned aerial vehicles, or drones, have presented substantial application opportunities in several industries in the last years. Notably, logistic companies have given close attention to these vehicles to reduce delivery time and operational cost. A variant of the traveling salesman problem (TSP), called the flying sidekick traveling salesman problem, was introduced involving drone‐assisted parcel delivery. The drone launches from the truck, proceeds to deliver parcels to a customer, and then is recovered by the truck at a third location. While the drone travels through a trip, the truck delivers parcels to other customers as long as the drone has enough battery to hover waiting for the truck. This work proposes a hybrid heuristic where the initial solution is created from the optimal TSP solution reached by a TSP solver. Next, an implementation of the general variable neighborhood search is employed to obtain the delivery routes of truck and drone. Computational experiments show the potential of the algorithm to improve significantly delivery time. Furthermore, we provide a new set of instances based on the well‐known traveling salesman problem library instances.     

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。     

动态搜索算法求解时间依赖型旅行商问题研究

时间依赖型旅行商问题(TDTSP)是旅行商问题(TSP)的延伸.在该问题中,任意两节点间的旅行时间(成本)不仅取决于节点间的距离,还依赖于一天中具体时段或节点在哈密顿圈中所处的具体位置.对基于节点所处哈密顿圈中具体位置的TDTSP问题建立相应的数学模型,并提出求解该问题的动态搜索算法.通过实验仿真,验证了动态搜索算法优于目前在邻域搜索领域求解该问题最有效的动态规划启发式算法.     

Efficient algorithms for the double traveling salesman problem with multiple stacks

In this paper we investigate theoretical properties of the Double Traveling Salesman Problem with Multiple Stacks. In particular, we provide polynomial time algorithms for different subproblems when the stack size limit is relaxed. Since these algorithms can represent building blocks for more complex methods, we also include them in a simple heuristic which we test experimentally. We finally analyze the impact of handling the stack size limit, and we propose repair procedures. The theoretical investigation highlights interesting structural properties of the problem, and our computational results show that the single components of the heuristic can be successfully incorporated in more complex algorithms or bounding techniques.     

Two level General variable neighborhood search for Attractive traveling salesman problem

Attractive traveling salesman problem (AtTSP) consists of finding maximal profit tour starting and ending at a given depot after visiting some of the facilities. Total length of the tour must not exceed the given maximum distance. Each facility achieves profit from the customers, based on the distance between the facility and customers as well as on the attractiveness of that facility. Total profit of a tour is equal to a sum of profits of all visited facilities. In this paper, we develop a new variant of Variable neighborhood search, called 2-level General variable neighborhood search (2-GVNS) for solving AtTSP. At the second level, we use General variable neighborhood search in the local search lor building neighboring solution and checking its feasibility. Our 2-GVNS heuristic outperforms tabu search heuristic, the only one proposed in the literature so far, in terms of precision and running times. In addition, 2-GVNS finds all optimal known solutions obtained by Branch and cut algorithm and offers several new best known solutions.     

A multiperiod traveling salesman problem: Heuristic algorithms

This paper deals with a particular traveling salesman problem in which the cities must be visited on a periodic basis over a given M-day time period. Two heuristic algorithms, embedding a procedure for finding a shortest path on a layered network, are developed. Computational results are also reported for ten test problems drawn from the literature.     

一种求解TSP的混合遗传蚁群算法

结合遗传算法和蚁群算法,提出了一种求解TSP的基于启发式遗传信息的蚁群遗传算法。该算法由蚁群遗传算法和基于启发式遗传信息的蚁群算法两部分组成。蚁群遗传算法将蚁群算法和遗传算法结合起来,提高了遗传算法的种群的多样性;基于启发式遗传信息的蚁群算法是将启发式遗传信息加入到蚁群算法中,防止蚁群算法对信息素过分依赖,缩小最优解的搜索空间。HGI ACGA算法是将启发式遗传信息加入到蚁群遗传算法中,可以提高蚁群算法的收敛速度和寻优能力。实验结果表明,HGI ACGA算法在收敛速度和收敛精度上均优于ACGA和ACA算法。