利用改进的蚁群算法求解TSP，较原来更加的快速，解决方法更加的容易理解和接收，

基于连续型Hopfield神经网络求解TSP问题 matlab实现 适合初学者学习研究

混合蚁群粒子群算法求解tsp问题混

本资源为利用C语言编写的求解TSP问题的贪心算法程序。程序逻辑借鉴于战德臣老师。运行时只需更改城市的个数以及城市间距即可运行。

对于TSP问题模拟退火非常好用，下图是30个点的tsp问题，经过一定的改善大致在50步就能够收敛

遗传算法解决TSP问题

201801最近邻法与模拟退火算法求解TSP旅行商问题Matlab程序.pdf

通过分析传统模拟退火算法的原理和存在的不足，提出了一个用于求解TSP问题的改进模拟退火算法。新算法增加了记忆当前最好状态的功能以避免遗失当前最优解，并设置双阈值使得在尽量保持最优性的前提下减少计算量。根据TSP和SA的特征设计了个体邻域搜索方法和高效的计算能量增量方法，加快了算法的运行速度。实验测试的结果表明，新算法比传统的模拟退火算法具有更快的收敛速度和更优的解质量。

遗传算法求解TSP问题，例子是15个点的，单点变异方式，奇数和偶数交叉的方法，选择方法采用轮盘赌的方式

对于求解的TSP问题，提出了一种自适应离散型布谷鸟算法（Adaptive Discrete Cuckoo Search，ADCS）。在基于布谷鸟搜索算法（Cuckoo Search，CS）的搜索原理下构造TSP问题的路径求解策略。针对离散型算法整体调整容易破坏已形成的较优路径和随着算法迭代数目增加导致种群多样性下降这两个缺陷，设计了一种针对路径的自适应型局部调整算子和全局随机扰动策略，采用了简单的2-opt优化算子作为局部优化算子以加快算法的收敛速度。最后采用多组不同规模的标准TSPLIB数据与其他的优化算法进行对比实验，结果表明ADCS算法在求解精度和稳定性方面具有优势。