模拟退火算法求TSP问题的MatLab程序
主程序. 主程序中有一rand('seed',n) n 为某一整
数, 这是设置随机数发生器的种子，这样实际上规定
了随机数发生的方式，因此后面的随机数其实都是定
下来的，这样所有人就可以看到同一结果, 可注释掉
此行，那么每次的结果就不一定再相同了.
2021-12-14 09:49:52
898KB
1
通过本实验的学习，使学生了解基于遗传算法的TSP算法，掌握并且熟练运用TSP算法求解旅游最短路线问题。
选择相关数据，利用TSP算法通过适应度选择，交叉，变异以及逆转操作，得出最终的旅游优化路线及其迭代图。
2021-10-08 23:10:14
195KB
1
基于遗传算法的TSP问题，一共有19个点，在其中找到最优路径。代码可直接运行，代码具体问题情境在知乎专栏：https://zhuanlan.zhihu.com/p/39291470 欢迎关注~
2021-07-05 11:33:40
8KB
1
Introduction
复现了一些TSP问题的相关算法，对TSP数据集st70.tsp进行了测试，并对此测试数据调整了参数，开箱即用。
Algorithms
动态规划(DP)
遗传算法(GA)
粒子群算法(PSO)
模拟退火算法(SA)
蚁群算法(ACO)
自适应神经网络(SOM)
禁忌搜索算法(TS)
指针网络(Pointer-network)[pytorch版本复现]
Tips
遗传算法核心要素：父代集合的数量，选择两个父代个体的方式，交叉操作、变异操作
粒子群算法核心要素：个体当前最优与粒子群群体当前最优，生成新个体的时候与这两个最优解都会发生交叉
模拟退火算法核心要素：跳出最优解的概率必须是会随着时间变化，降温速度，初始温度，最终温度，随机解的生成方式，随季解数量
蚁群算法核心要素：不同城市之间的概率转移矩阵不断变化（受信息素的影响），参数繁多
自适应神经网络核心
2021-06-30 15:29:54
246KB
1