已经验证正确的自己写的代码。这是一部分 #include using namespace std; const int MAX_FLOAT_NUM=65535; static int count=0; static int cost=0; //临时存放路径费用 static int min=MAX_FLOAT_NUM; //最下路径的初始值 // //交换两个数 // void swap(int &x, int &y) { int temp; temp = x; x = y; y = temp; }

2 列向量包含城市的坐标。 该算法生成最佳路径，只访问所有城市一次，然后返回起始城市。 为所有城市做： 1.选择一个城市作为当前城市。 2. 找出连接当前城市和未访问城市的最短边。 3.将新城市设置为当前城市。 4. 将上一个当前城市标记为已访问。 5. 如果所有城市都被访问过，则终止。 6. 转到步骤 2。 该算法有其局限性，根据城市在地图上的分布，它可能会也可能不会给出最佳解决方案。 它解决了其他一些提交的文件所具有的同样遥远的城市的问题。

在 0-1整数规划的基础上建立了数学模型,利用 MATLAB 6. 5优化工具箱中的 linprog函数进行求解,再经过分支定界算法计算,求出了只含有 0和 1的解。实验结果表明,该算法可以求解小规模旅行商问题。

资源包含“遗传算法解决TSP问题”的相关代码（.cpp和.h）以及TSP相关的城市数据。 资源包含“遗传算法解决TSP问题”的相关代码（.cpp和.h）以及TSP相关的城市数据。

运用java语言实现的用遗传算法解决旅行商问题，注视清晰。可根据自己需要修改交叉算子和变异算子

JAVA版旅行商问题的近似算法，eclipse的工程文件及源代码，有详细注释

TSP_NN 旅行商问题 (TSP) 最近邻 (NN) 算法最近邻算法产生不同的结果取决于选择哪个城市作为起点。 这个函数决定多个起点和返回的最近邻路线这些路线中最好的概括： 1. 一名推销员前往每个城市并完成返回他出发的城市的路线2. 每个城市只被推销员访问一次 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个 NxN 点到点距离/成本矩阵- POPSIZE（标量整数）是人口的大小（应该是 <= N） - SHOWPROG（标量逻辑）如果为真则显示 GA 进度- SHOWRESULT（标量逻辑）如果为真则显示 GA 结果- SHOWWAITBAR（标量逻辑）如果为真则显示等待栏 输入注意事项： 1. 不是传入包含这些字段的结构，而是任何/所有这些输入可以

基于遗传微粒群算法，对旅行商问题求解，采用2-opt进行布局搜索。

旅行商问题( Traveling Salesman Problem , TSP) 是一个NP 完全问题, TSP 问题是组合优化领 域中的一个典型的问题. 目前求解TSP 问题的主要 方法有模拟退火算法[1 ] 、遗传算法[2 ] 、启发式搜索 法、Hopfield 神经网络算法[3 ] 、蚁群算法[4 ] 等. 文献 [ 5 ]中将是将遗传算法与蚂蚁算法的融合,采用遗传 算法生成信息素分布,利用蚂蚁算法求精确解,优势 互补,期望获得优化性能和时间性能的双赢,并对其 收敛性进行了讨论. 文中提出蚁群算法与遗传算法 混合的算法来解决旅行商问题,利用遗传算法的优 点,进行对整个解空间的搜索,然后利用利用蚁群算 法信息素信息进行交叉操作,并且使用局部最优化 的方式以加速求解的速度.

里面有完整的MATLAB程序代码，能够解决基本的旅行商问题和粒子群算法。