针对蚁群算法在求解大规模优化问题时存在的3个缺点：消耗时间长、蚂蚁在下次搜索时目标导向不强导致搜索随机性大、寻优路径上的信息素过度增强导致得到假的最优解。本文提出了基于边缘初始化和自适应全局信息素的改进蚁群算法。在相同参数下，其搜索时间大大缩短，并且得到了更好的最优解。将其应用到旅行商(TSP)问题中，和基本蚁群算法、遗传算法相比较，其具有以下优点：较好的搜索最优解的能力；对新解不会过早的终止；探索新解的能力进一步增强。因此，改进的蚁群算法在求解TSP等组合优化问题时非常有效。

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。）

本程序对于想直观了解分支限界算法的程序员们来说是一个很好的东西，它以树形图的方式，展示了排列树中每个节点的入堆出堆情况，并且给出了详细的信息，对理解算法的精髓提供了很好的帮助。

【TSP】基于改进的遗传算法求解旅行商问题matlab源码含GUI.md

旅行商问题 遗传算法 C++求解 MATLAB拟合 加权求最优

【TSP问题】基于遗传算法求解31城市旅行商问题Matlab源码.zip

（1）有详细注释，有各个函数的解释。 （2）包含不同数量城市坐标点的原始数据，如42个城市dantzig42，48个城市att48，51个城市eil51等。通过读取不同的坐标点文件，即可解决不同城市数量的问题。 （3）可以画近似最优解的旅行路线图。

简单说明 使用多种基本启发式算法替代广义TSP问题。 所谓广义TSP，即一些城市可能卖的是同一类商品，在买这类商品时仅走这些城市其中一个即可。 目录： 图片-只是一些结果图片 代码** extendTSP.py 用于随机生成广义TSP实例，并提供一些通用函数（如生成广义TSP实例，生成距离等） SA.py模拟退火 tabu.py禁忌搜索 Genetic.py遗传算法 ACO.py蚁群算法 依赖：matplotlib + numpy，python3 可以通过extendTSP.py中的extendTSP_generate（）函数来生成实例 def extendTSP_generate ( city_num , goods_num , x_range = 20 , y_range = 20 ) ' '' city_num - 城市数量 goods_num - 商品种类数目 x_range

这是一款非常票制作生成的一款微信小程序源码 当然啦并不是说制作了就真的能坐飞船一样 这只是一种娱乐啊,请勿当真 支持制作情侣票,闺蜜票,单人票 安装方法: 使用微信开发者工具打开源码 然后提交上传审核就可以了

【TSP问题】基于模拟退火算法求解31城市旅行商问题matlab源码4.zip