代码在Visual Studio2010上编译通过,运行方法直接将附带的51个城市数据复制进入控制台即可运行出结果。
1
蜜蜂算法解决旅行商在52个城市间的路径规划。下载后打开BA_TSP.m,并更改MATLAB的当前路径为下载文件的存储路径,运行即可。
2022-03-31 17:40:21 12KB 蜜蜂算法 旅行商问题 TSP 路径规划
1
蚁群算法的优化计算——旅行商问题(TSP)优化,结合具体的案例给出了程序分析
2022-03-18 23:55:34 3KB ACS、TSP
1
chapter22蚁群算法的优化计算——旅行商问题(TSP)优化
2022-03-13 16:11:05 4KB MATLAB TSP
1
旅行商问题,TSP问题(Travelling Salesman Problem)规约矩阵法实现,有详细注释,可以使用,结果保存在工程的txt文件中
2022-03-08 00:11:00 3.31MB 旅行商 TSP 规约矩阵
1
蚁群算法的优化计算——旅行商问题(TSP)优化,注释齐全
2022-01-05 00:45:00 3KB 蚁群算法 旅行商问题
1
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 JupyterNotebook
1
主要介绍了Python基于回溯法子集树模板解决旅行商问题(TSP),简单描述了旅行商问题并结合实例形式分析了Python使用回溯法子集树模板解决旅行商问题的相关实现步骤与操作技巧,需要的朋友可以参考下
2021-12-17 16:36:19 74KB Python 回溯法 子集树模板 旅行商问题
1
旅行商问题,即TSP问题(Travelling Salesman Problem)是指对给定一组n个城市和它们两两之间的直达距离,寻找一条闭合的旅程,使得每个城市刚好经过一次而且总的旅行距离最短。 此问题是典型NPC组合优化问题(NPC=Non-deterministic Polynomial complete,即是多项式复杂程度的非确定性完全问题。)
1
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。
2021-11-26 19:56:55 3KB matlab
1