通过GA遗传优化算法解决TSP商旅优化问题，matlab2021a测试

通过模糊退火算法解决TSP商旅优化问题，matlab2021a测试

基于模拟退火算法算法计算中国地图旅游最优路线规划效果，matlab2021a仿真测试。

基于GA遗传优化算法的TSP最优路径算法仿真，matlab2021a仿真 仿真结论如下 初始种群中的一个随机值: 12—>8—>7—>10—>2—>11—>6—>9—>13—>4—>5—>1—>3—>14—>12 总距离：63.0665 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 最优解: 9—>10—>1—>2—>14—>3—>4—>5—>6—>12—>7—>13—>8—>11—>9 总距离：29.3405 -------------------------------------------------------------

TSP (traveling salesman problem，旅行商问题)是典型的NP完全问题，即其最坏情况下的时间复杂度随着问题规模的增大按指数方式增长，到目前为止还未找到一个多项式时间的有效算法。本资源给出了“基于遗传算法的一个TSP问题求解”的matlab完整源代码。

针对旅游景区路径规划问题的复杂性，将景区路径分为全景区图和子景区图，并归为同一问题解决。提出一种改进蚁群算法，设计繁殖蚂蚁、视觉蚂蚁和普通蚂蚁，各类蚂蚁按各自规则遍历；蚂蚁遍历完所有景点，求出最佳行程MIN，并根据约束条件对符合要求的路径上的信息素进行更新；再结合模拟退火算法，在每个状态对蚁群行程进行舍取，重复迭代，最终获得全局最优解。仿真实验结果表明,该方法在景区路径规划中表现出良好的稳定性和高效性。

本人毕业设计答辩的论文，写的不好，希望会对大家有用

阈值的选取问题是图像二值化的过程中的一个关键问题，现有的方法主要是利用 Otsu 算法对分割阈 值从 0～255 的所有灰度值依次遍历，没有考虑视频两帧图像间的相关性。本文利用帧间相关性给出了一个 阈值选取算法，该算法在保存上一帧阈值的基础上，运用模拟退火算法对本帧阈值进行一种智能搜索，优化 了搜索策略，提高了运行效率。实验表明，该算法提高了阈值选取的效率。

该资源使用了差分进化算法解决TSP问题，内包含两两城市间的距离、最优路径图、个体的路径长度的三个子函数，读者只需要根据自己的需要修改主函数的城市坐标即可！

基于混合粒子群的TSP搜索算法：粒子群优化算法结合遗传算法的交叉变异算子应用于TSP问题中，能够取得不错的效果。