针对旅行商问题(TSP)，提出了一种新的混合量子优化算法――量子蚁群算法。量子蚁群算法采用量子比特的概率幅表示蚂蚁的当前位置，采用量子旋转门更新蚂蚁的位置，选取国际通用的TSP实例库中多个实例进行测试。仿真实验表明，该算法具有很好的精确度和鲁棒性，可使搜索空间加倍，比传统的蚁群算法具有更好的种群多样性。
2023-04-30 18:35:15
735KB
1
针对蚁群算法搜索时间长、易于陷入局部最优解的缺点，提出一种新的改进算法——分工合作的加权蚁群算法。此算法采取分工合作的方式，在信息素初始化、状态转移概率中分别加入权值，并运用遗传算法中排序的概念对信息素更新机制进行排序加权，此外对信息素上限加以限制。最后以TSP为例，验证了此改进算法不但在收敛速度上有了大幅度提高，而且有效避免了易于陷入局部最优解的缺点，从而证明了提出的新算法是合理有效的。
2023-03-22 11:58:42
263KB
1
设计了基于标准差分进化算法differential evolution, DE与遗传算法genetic algorithm, GA的混合差分进化算法hybrid DE, HDE, 同时用典型的测试函数对HDE进行性能测试。针对旅行商问题traveling salesman problem, TSP的求解难题, 给出了采用位置—次序转换策略和HDE的有效求解方法, 并测试了Oliver 30个城市的TSP。仿真结果表明, 与DE和GA相比, HDE的优势在收敛率、平均最优解以及耗时上都很明显, 证明了HDE在解决TSP问题上的有效性和稳定性。
2023-02-24 10:11:16
1.31MB
1
针对热轧批计划问题进行了MTSP（多旅行商问题）建模，并对该问题设计了混合遗传算法，经某大型钢厂实例数据进行了仿真测试。计算结果表明，该算法给出了较优的轧制批计划方案，解决了热轧轧制批计划的编制问题。
2023-02-12 18:51:37
121KB
1
利用模拟退火解决旅行商问题。matlab，程序。其中zhixing.m是可运行的主程序，注释详细，可自己改参数进行对算法理解。
2022-12-28 12:30:47
5KB
1
模拟退火与蚁群混合并行算法解旅行商问题，许智宏，宋勃，本文研究了蚁群算法、模拟退火算法以及两者的混合算法的并行实现方法，建立了PC机群实验平台，基于MPI环境对蚁群算法、模拟退火算�
2022-12-24 08:28:56
230KB
1
对于基于回溯法解决的TSP问题可以由下图简单说明：一条边代表了选择的下一个城市，可以看到问题的本质是对解空间树的遍历搜索，找到一条这样的路径：从根结点到某一叶节
2022-12-13 21:13:03
153KB
1
旅行商问题是一个大众问题，对于这类问题的解决方法也太多太多了，但我们在这里只提供一种蚁群智能算法来解决这类旅行商问题。
2022-12-12 19:09:55
3KB
1