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

TSP问题(Travelling Salesman Problem)又译为旅行推销员问题、货郎担问题，是数学领域中著名问题之一。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。**解决TSP问题的模拟退火算法

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

模拟退火算法的过程及实现，介绍的比较详细。

模拟退火算法\ 模拟退火算法matlab

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

遗传算法解决 TSP 问题（附matlab源程序）.docx