【VRP问题】基于matlab模拟退火算法求解带容量的VRP问题（多车型）.md

SA(模拟退火)算法来源于固体退火原理，是一种基于概率的算法，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。 TSP问题即旅行商问题，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。 程序用VC++6.0编写运行成功，更改各个城市坐标，即可输出最优路径。

模拟退火算法求解旅行商问题，有代码 1、理解模拟退火算法的思想。 2、利用 Matlab 实现模拟退火算法求解 TSP 问题。 3、分析算法中各种参数变化对计算结果的影响。 二、实验要求 1、打印程序清单。 2、绘制算法求解过程图。 3、记录多次运行算法的最优解。 4、比较算法在不同参数设置下的性能区别。 5、简要回答思考题。

退火算法解非线性方程组Matlab程序，可以能帮助我们有更有效的方法解决问题

利用模拟退火算法解决TSP问题，所用语言为vc++，程序比较精炼，便于理解学习，特拿出分享。

完整代码，可直接运行

【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

模拟退火算法求TSP问题的MatLab程序 主程序. 主程序中有一rand('seed',n) n 为某一整 数, 这是设置随机数发生器的种子，这样实际上规定 了随机数发生的方式，因此后面的随机数其实都是定 下来的，这样所有人就可以看到同一结果, 可注释掉 此行，那么每次的结果就不一定再相同了.

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.

用C++实现了模拟退火算法求多元函数极值，可以避免陷入局部最优解。