该脚本是对 TSP 示例 Matlab 优化工具箱 ( https://mathworks.com/help/optim/ug/travelling-salesman-problem.html ) 的修改，用于解决非对称 TSP。 *detectSubtours.m 保持不变，没有任何变化。 1. 该脚本基于二进制整数规划求解 TSP（对称和非对称） 2. 所需输入：距离矩阵文件。 将输入文件放在与脚本相同的文件夹中。 距离矩阵应该是方阵。 3. 在提示中输入文件名以及 .csv/.xls 等扩展名4. (i,i) 之间的距离应为 0。另外，如果两个节点之间没有路由，则对应的矩阵值应为零。

模拟退火 在本练习中，我们将实现几种本地搜索算法，并在数十个美国州首府之间的“旅行推销员问题”（TSP）上对其进行测试。 特别是，我们将专注于模拟退火算法，该算法是允许某些下坡运动的随机爬山的一种形式。 在退火计划的早期阶段，人们很容易接受下坡运动，然后随着时间的推移，下坡运动的频率降低。 时间表输入确定温度T的值作为时间的函数。

用遗传算法结局的的旅行商问题，遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体（基于它们的适应度），通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。

【TSP问题】基于改进遗传算法求解旅行商问题matlab源码.zip

【TSP问题】基于遗传算法求解旅行商问题matlab源码含GUI.zip

用C#写的遗传算法解决旅行商问题的求解模型。有界面支持，可以看到求解过程。

程序中有详细的注释，运行后无错误，使用的是模拟退火算法解决常见的旅行商TSP问题，其中目标函数和优化变量都已经在程序里注释了出来，适合初学智能算法的同学使用。

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

380CT_Vox_Machina 概括 此Jupyter笔记本文档是380CT考文垂大学的课程作业。 它是由内森·布朗，哈里·威尔斯和阿玛·巴马尔撰写的。 内容包括元启发式方法，即带有DFJ公式的蚁群优化和禁忌。 要求 适用于Python的Gurobi，请在此处提供安装说明： ://www.gurobi.com/gurobi-and-anaconda-for-windows/。 所使用的许可为“学术免费”。 tsputil，要安装，请转到Anaconda命令行并键入“ pip install tsputil”，然后等待下载。 重要提示：请注意讲师。 我们的小组注意到直接从GitHub显示笔记本的问题； 即，不显示所有数据输出的问题。 但是，如果您下载笔记本，则所有信息仍然存在。 因此，不要认为它是不完整的。

3个限制，具体内容请看作者博客。使用遗传算法。