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．     

基于边缘搜索的蚁群算法

蚁群算法是根据真实蚁群的觅食原理提出的一种新兴的启发式搜索算法。算法应用于解决组合优化问题，取得了良好的效果。定义了一种新的旅行商问题，即过程旅行商问题，针对这个问题提出了一种基于边缘搜索的改进蚁群算法。该算法通过限制蚂蚁的起点城市，提高了蚁群算法的搜索效率；并通过减少蚂蚁数量加快计算速度。应用于过程旅行商问题的仿真计算表明，该算法具有相同的计算结果和更快的求解速率。     

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．     

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．     

基于模拟退火算法旅行商问题的并行实现

旅行商问题属于ＮＰ难题，不存在多项式时间的算法。提出一个基于模拟退火算法求解旅行商问题的算法，并在并行设计环境Ｍｕｌｔｉ－ｐａｓｃａｌ中加以实现。     

求解旅行商问题的改进k-opt遗传算法

为了增强遗传算法的局部搜索能力，加速算法运行效率，尽量避免算法陷入早熟问题，提出一种改进k-opt遗传算法求解旅行商问题。该算法利用改进的k-opt方法初始化获得较优种群，引入改进的交叉变异机制增强算法全局搜索能力，结合改进的k-opt方法强化算法局部搜索能力。实验结果表明，改进的k-opt遗传算法能有效平衡算法探索和开发能力，其求解的质量优且运行效率高。     

求解TSP问题的改进蚁群算法

分析了标准蚁群算法易于出现早熟停滞现象的主要原因，在原有算法基础上引入局部信息激素、最优最差路径信息激素更新策略及变参数策略，扩大了解的搜索空间，有效抑制了收敛过程中的早熟停滞现象，大大提高了算法收敛速度；同时引入局部最优搜索策略，增大了解突变的机率，求解质量得到了极大的改善．对于典型旅行商问题库中旅行商问题的实验及与标准蚁群算法的比较实验验证了该方法的有效性．     

用分支定界算法求解旅行商问题

在0—1整数规划的基础上建立了数学模型,利用MATLAB6．5优化工具箱中的linprog函数进行求解,再经过分支定界算法计算,求出了只含有0和1的解．实验结果表明,该算法可以求解小规模旅行商问题．     

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．     

一种基于和声策略的禁忌搜索算法

结合禁忌搜索算法与和声搜索算法的特点,提出一种基于和声策略的禁忌搜索算法(HTS).该算法基于和声策略构造较优多初始解,进行多初始解禁忌搜索,解决了以往算法只从一个初始解出发进行搜索易陷入局部最优的问题.以典型的组合优化问题TSP为例,验证了该算法的有效性,计算机实验的结果表明该算法有较好的寻优能力.     

用B和B′算法求解TSP问题

B算法和B′算法都是A^*算法的变种,TSP（Travelling Salesman Problem)问题为NP完全问题,无一般的多项式复杂度算法,但采用合适的启发函数后,利用B算法或B′算法,可在多项式时间内解出。作利用C＋＋的继承功能统一算法形式,实现一个完成TSP问题求解的通用搜索算法。     

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.     

旅行商问题的较优可行解的搜索算法的设计

利用问题本身的特点和相关的已有结论,结合最近邻法和深度优先搜索算法设计了产生旅行商问题较优可行解的方法。首先,将与每个城市关联的城市由近到远排序,并将城市之间距离较远的边删除。然后选择一个城市作为出发地,按排序利用深度优先搜索算法在有限步内搜索可行解。若搜索到多个可行解,从中选择较优的作为以该城市为出发地的可行解;否则,重新选择出发地开始新的搜索。对经典的st70、a280问题依次将每个城市作为出发地进行实验,该方法产生的可行解的性能明显优于随机搜索算法。但仍不及最近邻法。     

一种解决指派问题的蚁群算法

指派问题是组合优化问题的一个分支,对解决现实生活中的任务分配问题有着重要的意义。本文将指派问题表述为TSP图,使用具有局部搜索策略的蚁群算法加以解决。实验结果表明,使用具有局部搜索策略的蚁群算法解决指派问题,提高了搜索效率,能够在短时间内得到最优分配方案。     

车辆路径问题的一种先寻路后分组算法

针对车辆路径问题（VRP）设计了一种元启发式算法。引入先寻路、后分组的策略,首先对顾客点序列采用Lehmer编码,设计辅助算子进行变异操作,用差分进化算法求出基于所有节点的TSP解,然后根据运货量的约束条件将其切割成VRP解。再通过禁忌搜索改进解,得到的结果再次作为初始解之一进入算法循环。仿真计算得到了最优解,结果表明该算法是有效的。     

TSP隧道地震勘探在高速铁路隧道中的应用

介绍了TSP203隧道地震勘探的基本原理,分析了TSP系统探测的详细流程．以沪昆客专长昆段位于湖南芷江境内的姚家隧道为工程实例,利用TSP技术对其进行超前地质预报．在进行现场数据采集、数据处理、图像分析的基础上,对姚家隧道DK380＋350．DK380＋370里程段进行了地质情况预测．最后将隧道实际开挖后掌子面的地质揭露与TSP超前地质预报结果进行对比,验证了预报的准确性．     

基于多范例推理的小组软件过程规划算法

由于软件开发小组和软件产品的不同，小组软件过程发生相应的改变，为了达到对软件过程由事后分析到事前规划的目的，必须要进行小组过程规划的研究．小组软件过程由活动组成，活动受角色、时间、数据、设备等方面的约束，软件过程的规划就是多约束满足问题．文中提出用问题归约策略与基于范例推理结合的方法解决这个问题．引出了范例粒度的概念，形成一种多范例推理的方法，对这种方法所涉及到问题和解决的办法做了详细的论述，并且验证该方法是有效的．由范例的重用体现出过程级上元素的重用，有利于软件过程的控制与优化．     

沈阳市环境空气总悬浮颗粒物的污染及其防治

以沈阳市环境监测中心站１９９０￣１９９７年８月的监测结果为基础,阐述了沈阳市环境空气总悬浮颗粒物的污染状况、时空分布及总悬浮颗粒物中粒径小于１０μｍ的飘尘污染状况。并用秩次相关检验法分析了总悬浮颗粒物的污染趋势,结果显示,８年的总悬浮颗粒物年均值均超标,尤以冬季和工业区污染最为严重,８年的污染状况变化不显著。最后分析了总悬浮颗粒物的污染原因,提出了相应的防治措施。     

基于蚁群优化算法的TSP问题求解

蚁群优化算法是受蚂蚁觅食的通行机制的启发而提出的一种群集智能算法．介绍了蚁群优化算法的基本原理,在此基础上实现了蚁群优化算法,应用到TSP问题求解中,并根据启发函数、信息素进行算法性能优化,提高了算法的收敛速度．实验结果表明蚁群算法具有极强的鲁棒性和求最优解的能力,取到了很好的效果．