该脚本是对 TSP 示例 Matlab 优化工具箱 ( https://mathworks.com/help/optim/ug/travelling-salesman-problem.html ) 的修改，用于解决非对称 TSP。 *detectSubtours.m 保持不变，没有任何变化。 1. 该脚本基于二进制整数规划求解 TSP（对称和非对称） 2. 所需输入：距离矩阵文件。 将输入文件放在与脚本相同的文件夹中。 距离矩阵应该是方阵。 3. 在提示中输入文件名以及 .csv/.xls 等扩展名4. (i,i) 之间的距离应为 0。另外，如果两个节点之间没有路由，则对应的矩阵值应为零。
2022-01-03 19:27:00
127KB
1
SIDE MENU旅行个人博客模板_旅行 个人 博客 blog bootstrap 响应式 menu 菜单 侧栏.rar
2021-12-31 17:03:48
2.03MB
模拟退火
在本练习中，我们将实现几种本地搜索算法，并在数十个美国州首府之间的“旅行推销员问题”（TSP）上对其进行测试。
特别是，我们将专注于模拟退火算法，该算法是允许某些下坡运动的随机爬山的一种形式。 在退火计划的早期阶段，人们很容易接受下坡运动，然后随着时间的推移，下坡运动的频率降低。 时间表输入确定温度T的值作为时间的函数。
2021-12-30 16:49:12
1.84MB
1
用遗传算法结局的的旅行商问题，遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体（基于它们的适应度），通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。
2021-12-27 22:07:19
27KB
1