【TSP问题】基于遗传算法求解31城市旅行商问题Matlab源码.zip

【TSP问题】基于模拟退火算法求解31城市旅行商问题matlab源码4.zip

【TSP问题】基于混沌粒子群算法求解旅行商问题matlab源码.zip

用A*算法求解旅行商问题，C语言实现。

完整代码，可直接运行

针对旅行商问题(TSP)优化中,遗传算法(GA)容易陷入局部最优、模拟退火算法(SA)收敛速度慢的问题,提出一种基于改进遗传模拟退火算法(IGSAA)的TSP优化算法.首先根据优化目标建立数学模型;然后对遗传算法部分中的适应度函数、交叉变异算子进行改进,使算法能够更加有效地避免陷入局部最优;最后根据旧种群和新种群每个对应个体的进化程度提出一种改进自适应的Metropolis准则,使模拟退火算法部分的染色体跳变更具有自适应性,利于算法寻优.对不同TSP实例的实验结果表明,与其他路径优化算法优化结果相比,所提出的IGSAA算法能够对不同TSP实例优化得到更优的旅行路径.

【TSP问题】基于模拟退火结合遗传算法求解31城市旅行商问题matlab源码.zip

连续Hopfield神经网络的优化-旅行商问题优化计算的matlab程序

问题描述：设有n个城市，城市之间均有道路，一个旅行商从某城市出发，经过其余n-1个城市一次且仅一次，最后回到出发的城市，他如何走才能使他所走的路程最短

高级综合-用遗传算法求解TSP。 关于该项目 该存储库包括遗传算法的实现，该算法解决了高级综合的旅行商问题。 该项目的执行目的是针对DUTh第9学期的高级综合课程的硬件设计。 该存储库包含2个分支： 软件：包含可以在任何IDE中本地运行的开发的C ++代码。 硬件：包含针对Catapult HLS工具进行了调整的开发的C ++代码。 除了随机图之外，还可以对斯坦福大学创建的SGB128（北美城市）数据集进行测试。 要显示解决方案，请运行笔记本。 贡献 贡献使开源社区成为了一个很棒的地方，可以成为学习，启发和创造的地方。 遵循以下步骤做出贡献： 分叉项目 创建功能分支（ git checkout -b new_branch_name ） 提交您的更改（ git commit -m 'Add some extra functionality' ） 推送到分支（ git push