作为经典组合优化问题， 旅行商问题(Traveling Salesman Problem简称TSP) 一直是大学交通运输与应用数学等专业的教学与科研热点。在基于混合整数规划模型的TSP求解中， 需要解决如何避免出现子环路问题， Gurobi作为当前最先进的运筹优化软件， 其具有的Callback功能使模型在求解过程中， 动态地添加子环路约束成为可能。文章针对当前相关网络资源存在的问题， 构建了用Python编写的基于Callback功能动态添加子环路消除约束的TSP求解代码， 通过多个算例验证了代码的求解可行性， 为逐步将Gurobi引入课堂教学提供了素材。

采用PSO粒子群优化算法求解TSP旅行商问题 1、输入数据为bayg29.tsp 2、城市数量citycount为29，种群规模Pop_Size为30，迭代次数为500，学习因子 c1、c2取2，惯性权重因子w取0.8，粒子速度最大值绝对值取3.0； 3、运行main.cpp，即可得到最优路径及对应的最短距离，同时粒子群初始化的结果和每次迭代后种群各粒子的路径和距离都会输出到result.txt中。

遗传算法TSP_CUDA 一种遗传算法，可使用CUDA体系结构（GPU）为TSP（旅行商问题）找到最佳解决方案。 这是我在USF进行的并行和分布式处理课程的最后一个项目，与Berkeley在2015年Spring发布的“并行计算机的应用程序”一起完成的。该项目的目的是使自己熟悉遗传算法的设计和实现，重点是学习如何在CUDA架构以及C ++的OpenMP库上编写并行代码。 概述： 该项目将在德克萨斯大学奥斯汀分校的Stampede.tacc超级计算机上运行。 该代码在踩踏群集的单个节点上运行，此刻使用Nvidia的CUDA调用单个GPU。 在CUDA中，执行内核（GPU功能），并由块和线程组成。 每个块最多可以有1024个线程，每个内核可以有〜65000个块。 我设计了一种算法，以便在每个GPU上创建一个填充，该填充由启动内核的NTHREADS * NBLOCKS组成。 例如，在一个流行

------简单代码源代码系列------
该程序利用遗传算法解决了TSP旅行商问题，在传统的遗传算法基础上引入了灾变的概念，能够有效的跳出局部最优。程序的计算能力强，可以轻易计算500-1000个城市的TSP。本资源包含该程序的全部源代码，并附相关文档，请用Visual Studio 2003 打开解决方案。

遗传算法的TSP (旅行商问题)的求解.doc

.tsp文件读入，模拟退火算法函数接口，测试文件，运行结果全在里面了 Tabu Search (TS) is a local search-based metaheuristic, which is proposed by Fred W. Glover, in 1986. Tabu Search is completely based on the definition of neighborhood and actions converting a solution to its neighboring solutions. This algorithm starts with a single solution, and searches for better solutions, applying actions and moving between neighbor solutions. However, acceptance, applicability and availability of actions, are managed using a set of rules. One of most important rules used in Tabu Search, is that: when action is performed, it will be not available, until a certain amount of other actions performed.

用于验证算法的有效性

Simple TSP using PSO（使用pso粒子群算法实现TSP旅行商问题）包括matlab程序以及GUI仿真。

旅行商问题，针对多旅行商多城市问题进行求解，可用于任务分配等整数规划问题求解。

MATLAB 蚁群算法 求解 50个城市的TSP 旅行商问题的 详细代码