旅行商问题，TSP问题（Travelling Salesman Problem）规约矩阵法实现，有详细注释，可以使用，结果保存在工程的txt文件中

运用贪心算法初始化遗传算法种群,之后进行9999代繁殖得到一个近似最优解 文档中有全部代码

里面有许多解决tsp问题的方法源代码，比如蚁群算法、神经网络、遗传算法、模拟退火算法等等

蚁群算法解决31城市的TSP问题，已检查，能够在Matlab上完美展现。

利用matlab仿真实现蚁群算法解决TSP问题的MATLAB实现，里面含有说明文档以及程序，点击即可运行

提供了一个tsp类的文件，提供了一个启动的main函数，还有一个绘图的DW类，核心的参数有交叉概率，变异概率，种群数目和迭代次数，读者可以根据自己情况进行修改，并且本代码在遗传算法中内嵌了EO极值优化算法，可以得到更加准确的值。读者可以自行修改其中的代码逻辑

tsp问题matlab代码步骤旅行商问题 目的与总结 使用约束生成法解决美国48个州的首都 Dantzig-Fulkerson-Johnson公式具有2 ^ n-2子轮廓消除约束，这使该问题在计算上难以解决。 对于48个城市的问题，将存在2 ^ 48-2 = 281,474,976,710,654（281万亿）次子行程消除约束。 因此，我们使用约束生成方法来生成问题并向该问题添加约束，直到找到解决方案为止。 对于使用Mosel（Xpress）代码的48个城市（美国48个州首府）的游览，此方法可在2分钟内收敛为解决方案。 使用相同的方法，还可以解决26个城市的旅行问题。 文件： TSP-DFJ-48.mos：48城市旅游的Mosel代码 TSP-DFJ-26.mos：26城市旅游的Mosel代码 US48.dat：美国48个州首府的坐标 US26.dat：在美国随机选择的26个州首府的坐标 tourmap_48.png：48个城市游览的地块 tourmap_26.png：26个城市游览的地块 US48TourPlot.m：Matlab代码以绘制使用Mosel代码生成的48个城市游览 US

计算智能课程作业，要求写一篇计算智能相关技术的小论文。本论文对TSP问题，采用遗传算法进行求解。

matlab的TSP问题解决，智能算法包括，粒子群，遗传算法，蚁群还有模拟退火

遗传算法GA求解TSP问题matlab代码