基于粒子群优化算法的求解旅行商问题的C++程序。纯属个人心得，大家可以借鉴，有不足的地方请指出。

可以从图像文件创建点画和“TSP 艺术”的软件 效果展示： https://camo.githubusercontent.com/c3434487e3e3f2dc80971f285f293e789a0b5439c529d39cb936ee756aced934/68747470733a2f2f7261772e6769746875622e636f6d2f6576696c2d6d61642f73746970706c6567656e2f6d61737465722f6578616d706c65732f73637265656e73686f74732f373336383233333531345f353966376432353630332e6a7067、 更多详情、使用方法，请下载后阅读README.md文件

我发现这个问题很有趣，因为它的目标很简单，但必须修剪和搜索巨大的排列组合（60 个城市 = 比宇宙中的原子还多的旅游组合）。 当前算法 随机的 贪婪的 重叠消除 2-选择 模拟退火 效果展示： https://youtu.be/j1s69yf4a9Y 更多详情、使用方法，请下载后阅读README.md文件

Go 的时间戳协议 (TSP) 包 一般的 包时间戳实现了 RFC3161（Internet X.509 公钥基础设施时间戳协议 (TSP)）中指定的时间戳协议 (TSP)。

这是一个基于 Ruby on Rails 的应用程序，用于管理来自诸如 openSUSE Travel Support Program、GNOME 的 Conference Travel Subsidy Program 或 KDE eV Travel Cost Reimbursement 计划等自由软件组织的旅行帮助计划的请求和报销。 虽然最初是在 SUSE 的 openSUSE 团队开发的，但其目标是编写一个包含所有通用功能的通用应用程序，以便可以对其进行扩展和调整以满足任何组织的需求。

蛮力法动态规划法贪心法回溯法四种算法（Java和C++）01背包TSP问题代码和折线图比较。

该存储库使用温度并行模拟退火(TPSA)解决旅行商问题 (TSP )。TPSA 是一种模拟退火方法的并发算法 效果展示：https://user-images.githubusercontent.com/24369487/81168922-e4a2cc80-8fd2-11ea-9c4d-1ab99b36e361.gif 输入 输入数据是指数据目录中的一个文件。在 TSPLIB 中存储一些数据。 输出 TPSA 求解结果和 TSPLIB 精确求解结果输出如下。 更多详情、使用方法，请下载后阅读README.md文件

分支限界法求解TSP问题程序设计说明书

大规模 MIMO 系统的上行数据检测问题中的格基（信道矩阵）自然是短的和正交的，因此建议我们可以应用不使用格约简的混合方案。 仿真结果证实了这种扩展的有效性。

遗传算法（GeneticAlgorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，通过模拟自然进化过程搜索最优解。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择个体，并借助于自然遗传学的遗传算子（genetic operators）进行组合交叉（crossover）和变异（mutation），产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码（decoding），可以作为问题近似最优解