具有Deep RL的TSP解算器 这是具有增强学习功能的神经组合优化的PyTorch实施，Bello等人。 2016 [ ] 指针网络是Vinyals等人提出的模型架构。 2015 [ ] 该模型使用注意力机制来输出输入索引的排列。 在这项工作中，我们将解决旅行商问题（TSP），这是被称为NP-hard的组合优化问题之一。 TSP寻求推销员最短的行程，使他们只能一次访问每个城市。 在没有监督解决方案的情况下进行培训 在训练阶段，此TSP求解器将优化2种不同类型的指针网络，Actor和Critic模型。 给定一个以城市为节点的城市图，评论家模型可以预测预期的旅行时长，通常称为状态值。 当估计行程长度赶上由演员模型预测的行程（城市排列）计算出的实际长度时，评论者模型的参数将得到优化。 Actor模型使用称为好处的值更新其策略参数，该值从实际巡回行程中减去状态值。 影评人 Actor

数学建模中旅行商问题的遗传算法MATLAB程序，规划出合适的路径并展示出图形。

有完整的代码和详细的注释，还有完美的文档，解决了旅行商问题

C++解决旅行商问题，opencv画图显示，纯属兴趣，含报告代码

旅行商问题分枝界限法（优化队列），经典算法

用穷举法来解的一个源程序。C#写的。控制台程序。

旅行商问题动态规划matlab代码旅行商问题 该项目包含使用两种不同方法解决旅行商问题的MATLAB代码。 暴力破解 用简单的蛮力算法解决问题。 需要anxn-距离（或成本）矩阵作为输入。 动态 通过性能改进的动态规划算法解决该问题。 需要anxn-距离（或成本）矩阵作为输入。 getDistanceMatrix.m 提供一个用于通过Google Distance Matrix API创建距离矩阵的接口。 需要一个API密钥。 performanceTestSuite.m 性能测试设置的模板。

此ppt介绍了解决TSP（旅行商问题）的三种算法：动态规划、蚁群算法、遗传算法

MATLAB旅行商最优路径求解，包括遗传算法（GA）和粒子群算法（HPSO）；两者都可用，并且很快求出解。你可以直接修改初始路径就行

某推销员要从城市v1 出发，访问其它城市v2，v3，…，v6 各一次且仅一次，最后返回v1。D 为各城市间的距离矩阵。 问：该推销员应如何选择路线，才能使总的行程最短？ 此代码是用动态规划方法，Linux下g++编译通过