模拟退火算法是解决TSP问题的有效方法之一，其最初的思想由Metropolis在1953年提出，Kirkpatrick在1983年成功地将其应用在组合最优化问题中。

一种求解TSP的蚁群算法.doc

在Matlab实现使用基本蚁群算法，并且能够解决TSP问题。

.net版遗传算法解TSP问题.txt

TSP蚁群算法matlab代码＋完整的注释 可直接运行求解，并有详细的注释，对学习TSP蚁群算法非常有帮助

chapter19————基于模拟退火算法的TSP算法

通过分析传统SA算法原理和存在的不足，提出三种改进：增加记忆功能，避免遗失当前最优解；设置稳定抽样判定条件，保证全局搜索能力；提供7种扰动机制，提高结果改进效果。设计对比实验验证各种改进，分析出较好参数配置，构造较理想的改进SA算法。经过国际公认的TSPLIB提供的实验数据的验证，改进算法在性能上比GA和传统的SA算法均有较大提高。

有关蚁群优化算法收敛性分析的研究还很少,不利于进一步改进其算法.为此, 较详细地分析了用蚁群优化算法求解TSP问题的收敛性,证明了当0

利用遗传算法解决的tsp问题，matlab源码

蚁群算法解TSP问题伪代码 蚁群算法 Step1 初始化，把最优路径长度设置为一个很大值计算城市之间的距离，设 置环境信息素为1.0 Step2 蚂蚁搜索前初始化，设置全部城市为没有去过，走过的路径长度设置 0 随机选择一个出发城市 Step3 蚂蚁开始移动，调用ChooseNextCity()函数选择下一个城市，直到 走完所有的城市。 Step4 调用CalPathLength()函数计算走过的路径长度 Step5 等到每只蚂蚁搜索完一遍，把最优路径（路径长度最短）保存在 m_cBestAnt.m_dbPathLength中并输出。 Step6 根据路径长度更新城市之间的信息素 Step7 重复执行Step2至Step6 N_IT_COUNT次