JAVA版旅行商问题的近似算法，eclipse的工程文件及源代码，有详细注释

TSP_NN 旅行商问题 (TSP) 最近邻 (NN) 算法最近邻算法产生不同的结果取决于选择哪个城市作为起点。 这个函数决定多个起点和返回的最近邻路线这些路线中最好的概括： 1. 一名推销员前往每个城市并完成返回他出发的城市的路线2. 每个城市只被推销员访问一次 输入： 具有零个或多个以下字段的 USERCONFIG（结构）： - XY (float) 是一个 Nx2 的城市位置矩阵，其中 N 是城市的数量- DMAT (float) 是一个 NxN 点到点距离/成本矩阵- POPSIZE（标量整数）是人口的大小（应该是 <= N） - SHOWPROG（标量逻辑）如果为真则显示 GA 进度- SHOWRESULT（标量逻辑）如果为真则显示 GA 结果- SHOWWAITBAR（标量逻辑）如果为真则显示等待栏 输入注意事项： 1. 不是传入包含这些字段的结构，而是任何/所有这些输入可以

基于遗传微粒群算法，对旅行商问题求解，采用2-opt进行布局搜索。

旅行商问题( Traveling Salesman Problem , TSP) 是一个NP 完全问题, TSP 问题是组合优化领 域中的一个典型的问题. 目前求解TSP 问题的主要 方法有模拟退火算法[1 ] 、遗传算法[2 ] 、启发式搜索 法、Hopfield 神经网络算法[3 ] 、蚁群算法[4 ] 等. 文献 [ 5 ]中将是将遗传算法与蚂蚁算法的融合,采用遗传 算法生成信息素分布,利用蚂蚁算法求精确解,优势 互补,期望获得优化性能和时间性能的双赢,并对其 收敛性进行了讨论. 文中提出蚁群算法与遗传算法 混合的算法来解决旅行商问题,利用遗传算法的优 点,进行对整个解空间的搜索,然后利用利用蚁群算 法信息素信息进行交叉操作,并且使用局部最优化 的方式以加速求解的速度.

里面有完整的MATLAB程序代码，能够解决基本的旅行商问题和粒子群算法。

该函数基于 Held 和 Karp 于 1962 年的论文。DP 保证向 TSP 提供准确（最佳）结果，但该算法的时间复杂度为 O(2^nn^2)，这限制了使用这个算法到 15 个城市或更少。 注意：为了合理的运行时间，请不要尝试计算超过 13 个城市的游览。 DP 不适用于大型城市。

tsp旅行商问题的matlab仿真 随机若干点，点与点之间形成一个闭环的图 !

关于旅行商问题 旅行售货员问题 货郎担问题的一些文章，均是pdf格式的，基本都是中国期刊网上下载的，是付费下载的哦！！一般地方是找不到的！

此程序为经典的蚁群算法解决旅行商问题,蚁群算法包括信息素更新，蚂蚁数目，最大迭代次数等

24小时 六台火电机组组合 电力系统调度，运行成本最小