TensorFlow代码实现霍普菲尔德网络(Hopfield)解决20个城市旅行商问题(TSP)，旅行商问题 TSP 是一个典型的组合优化问题，并且是一个 NP 完全问题，其可能 Hamilton 圈的数目是顶点的数目 n 的指数函数，所以一般很难精确地求出其最优解。所谓组合优化问题，是指在离散的，有限的数学结构上，寻找一个满足给定条件，并使其目标函数值达到最小或最大的解。一般来说，组合优化问题通常带有大量的局部极值点，通常是非线性的 NP 完全问题。其最先起源于一个旅行商要访问他所有的客户，要发现一条最短的路线。用用图论的术语来说，旅行商问题就是在赋权完全图上找一个权最小的 Hamilton 圈。但是，首先从应用上来说，很多实际应用问题，如印制电路板的、连锁店的货物配送路线等，经简化的处理后，均可转化为旅行商问题TSP。

最佳克里斯托菲德斯算法求解旅行商问题的实现 描述 该项目包含所述算法的实现，这些算法可编译成一个称为Best-of-Many的可执行文件。 可用的步骤包括Christofides的“列生成”，“最大熵采样”，“分离和树填充”，“列生成+ SwapRound”以及“分离和树填充+ SwapRound”。 可执行文件支持输入.tsp和.tsv格式的文件，但有一些例外（例如，提供自定义距离功能的文件）。 还支持.csv电子表格输出，其中“程序文件”输入指定了一组文件中过程的子集。 最后，可执行文件可以与提供的Python脚本一起使用，以生成算法性能随时间变化的曲线图。 目前只有Windows版本可用。 依赖关系和安装： 在此存储库中签出代码后，请在您的计算机上安装以下依赖项： 32bit（最少的软件包集就可以了；只有核心取决于）。 安装后，必须将\bi

% 这段代码解决了旅行商问题。 % 第 1 部分数据格式。 %------------------- % n 是城市数量。 %MATLAB linprog 求解器收敛到 n40 更改求解器选项或使用其他求解器 [CPLEX,GUROBI,...] 接口%(x,y) 是城市的笛卡尔坐标。 % n (x,y) 坐标对是随机创建的。 n=30； 如果n> 40，％MATLAB intlinprog求解器可能无法获得全局解。

利用模拟退火算法求解旅行商问题的算例

蚂蚁算法求解TSP旅行商问题，有详细的源代码及注释,采用面向对象设计思路

临时制TSP 这是使用蒙特卡洛树搜索（MCTS）解决旅行商问题（TSP）的源代码。 纸 如果您想了解更多详细信息，请参阅我们的论文“通过蒙特卡罗树搜索TSP的扩大邻域目标抽样” 。 依存关系 gcc> = 4.8.5 计算平台：Linux 快速开始 为了使用MCTS解决具有20个节点的TSP实例： cd $download -dir cd TSP-20-50-100 bash solve-20.sh 32 用法 数据集 我们的模型分别在两个数据集TSP-20-50-100和TSPLib上进行了测试，可从以下网站下载该数据集： 多线程 如果更快地解决TSP实例，则可以充分利用CPU。 默认情况下，我们基于32个线程来处理它们： cd $download -dir cd TSP-20-50-100 bash solve-20.sh 32 顺便说一下，我们的多线程方案仅适用于TSP-2

现对于一个城市数量为10的TSP问题，要求设计一个可以对其进行组合优化的连续型Hopfield神经网络模型，利用该模型可以快速地找到最优（或近似最优）的一条路线。

连续Hopfield神经网络的优化-旅行商问题优化计算(matlab实现)，包含源代码和测试数据

实现的功能比较差，所有的量都已规定好，只是用遗传算法对其进行选择复制、交叉、变异操作，得到的只是近似有解。

基于连续Hopfield神经网络的旅行商问题优化计算程序matlab代码.zip