基于“遗传”和“免疫”算法求解TSP问题; 传统的算法根本无法解决大规模求解问题，穷取法的计算级数为 N的阶乘， N为城市个数。 基于“遗传”和“免疫”算法，能够快速求解，文中对算法研究了很多“改良”算子，计算的解部分已超过世界最佳水平，成为目前最优解。 压缩包中含有代码和设计详细文档，仅大家学习和探讨；本人QQ：113875896

3个限制，具体内容请看作者博客。使用遗传算法。

TSP旅行商问题分支限界法和回溯法源码 旅行商(TSP)问题 计算复杂性高，NP-hard问题，无有效的（复杂性为多项式级别）的解法 Metric TSP 欧式空间满足三角形关系 应用： 军事、通信、电路板设计、大规模集成电路、基因排序等领域具有广泛应用

SA(模拟退火)算法来源于固体退火原理，是一种基于概率的算法，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。 TSP问题即旅行商问题，假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。 程序用VC++6.0编写运行成功，更改各个城市坐标，即可输出最优路径。

一个基于MATLAB的遗传算法用于旅行商问题优化的实验报告，内有代码。

使用C++容器，可以输入或载入任意规模的城市。网上几乎全是C语言，数组只能固定大小，在工程上针对不同问题时有局限性。并且程序将算法全部封装成类直接载入一个vector容器就可以运行，程序运行完后会保存txt文件方便查看以及绘制结果，分别为：城市坐标（x,y），最优路径,每次迭代全局最优解，每次迭代局部最优解，每次迭代所有蚂蚁平均距离。

本文利用遗传算法的全局搜索能力求解,针对旅行商问题(TSP),设计一种贪婪算子个体保护的遗传算法，并使用MATLAB语言进行了实际的编程求解，编程中的各个模块分别实现了优选复制、交叉、变异等环节。用编制的MATLAB程序快速求解出了满意的结果。自己亲自编的，MATLAB2009,可运行，有注解。

动态旅行商问题的混合遗传算法 动态TSP是城市（或“仓库”）不断移动的问题的变体。 此回购尝试通过应用改进的混合遗传算法（结合GA和模拟退火）来解决此问题。 遗传算法与个体学习程序混合在一起，仅当最佳后代比当前种群中的最佳个体更好时，该算法才执行局部搜索。 在“ python”文件夹中找到的python脚本用于对找到的结果进行统计分析。

【TSP问题】基于遗传算法求解旅行商问题matlab源码.zip

欧拉公式求长期率的matlab代码cs325projectG24C 标题：CS325最终项目组24 作者：Jeff Herlitz，Ryan Hong，Sean Hinds 日期：08/16/17 说明：Christofides算法的C ++实现，这是旅行商问题的多项式时间解。 旅行商问题是计算机科学中著名的NP完全问题。 这就提出了一个问题：给定二维空间中的一组点，到达每个点的最短步行距离是多少？ Christofides算法是一般旅行商问题最著名的近似方法。 利用最小生成树和图形上的完美匹配的优势，该算法可确保返回比最佳路径长不超过3/2的解决方案。 它是在多项式时间内完成的，公布的时间复杂度为T（n）= O（n4）。 对于任意图G，算法的工作流程如下： Christofides（G（V，w））： 使用Prims算法计算G上的最小生成树T 计算O，它是T中奇数度顶点的子图，//这样有偶数个//顶点，通过握手// 财产计算M，这是O的最小权重完美匹配通过合并M和T中的边形成新的图形X //每个顶点现在具有偶数度//我们可以进行欧拉之旅计算E，绕X进行欧拉游览移除E中访问先前访问顶点的