交叉熵方法应用于组合优化问题的求解，与小概率事件仿真的思想相同但又有差异。

此ppt介绍了解决TSP（旅行商问题）的三种算法：动态规划、蚁群算法、遗传算法

cpoptimizer 使用CP Optimizer建模和解决组合优化问题的示例和指南

某推销员要从城市v1 出发，访问其它城市v2，v3，…，v6 各一次且仅一次，最后返回v1。D 为各城市间的距离矩阵。 问：该推销员应如何选择路线，才能使总的行程最短？ 此代码是用动态规划方法，Linux下g++编译通过

信息论中的技术通常用于选择时间序列预测或模式识别中的变量。 这些任务直接或间接地涉及输入和输出数据之间互信息的最大化。 然而，由于联合熵的计算，该过程需要大量的计算工作，这需要联合概率分布的估计。 为了避免这种计算工作，可以根据最小冗余/最大相关性原则应用变量选择，以较低的计算成本间接最大化互信息。 然而，组合优化的问题，即检查所有可能的变量组合，仍然代表大量的计算工作。 由于这种计算成本，以前的一些工作提出了一种简单的增量搜索方法，可以达到准最优解。 鉴于现有方法的局限性，开发了此代码，以使用遗传算法执行组合优化。 参数是所需的所选特征数 (feat_numb)、矩阵 X，其中每一列是一个特征向量示例，以及其各自的目标数据 y，它是一个行向量。 输出是一个向量，其中包含组成最佳特征集的特征的索引，其中特征的顺序与其重要性无关。 如需出版，请引用原著：O. Ludwig and U. Nu

用模拟退火算法解决旅行商问题，提供了python代码以及数据集的处理，仅供交流学习。（摘要必须大于50个字符!）

【TSP问题】基于蚁群算法求解带时间窗旅行商问题matlab源码.md

旅行商问题动态规划matlab代码这是解决经典TSP的三种不同方法，即。 所有代码都在MATLAB 2019b上进行了测试。 算法是 遗传算法（边缘表示和2-opt） 动态编程 群算法（蚂蚁系统算法） 怎么跑 在遗传算法和群算法中，您将输入城市总数，程序将在地图上随机散布这些城市并通过动画图打印演变过程（您需要将MATLAB版本设置为高于2019年才能看到动画效果）。 如果要运行动态编程方法，则应以数组格式（如[20,20]）一一输入城市的位置。 DP的结果将仅在命令行上显示。 要求 MATLAB版本高于2019 建议每种方法的城市编号： GA：<50 DP：<10（随着城市的增加，时间成本成倍增加） 群：<30 表现 动态编程每次都能为我们提供最佳结果，但是它具有成倍的时间复杂度。 其他两种方法是启发式的，可以在更短的时间内为我们提供近似的最佳解决方案。 群算法对于较小的问题（少于30个城市）非常有效，在这种情况下，它优于其他两种方法。

很好的进化计算课件，适合入门研究者，包括进化算法，遗传算法

matlab中存档算法代码TriMOEA-TA＆R 刘益平版权所有 这些是TriMoEA-TA＆R，MMMOP1-6和IGDM的代码，该代码在“刘元平，Gary G. Yen和Gongwei Gong提出，一种使用双归档和复合策略的多模态多目标进化算法”，IEEE Transactions进化计算，2019，23（4），pp.660-674“。 这些代码使用PlatEMOv1.6，该版本发布于“ PlatEMO叶田：进化多目标优化的MATLAB平台[教育论坛]，IEEE计算智能杂志，2017年，第12页第4期：“叶天，程然，张兴义和张耀初。 73-87英寸。 请将所有代码放入PlatEMO的主文件夹中。 然后享受。 请注意，由于Pareto最佳集未保存在通过算法获得的.mat文件中，因此PlatEMO无法计算IGDM。 CalculateIGDM.m中提供了有关如何计算IGDM的示例。 。\ PFPS中提供了MMMOP1-6的帕累托最优前沿和帕累托最优集合的数据。 还包括在“蔡同悦，曲博扬和景亮，使用环形拓扑解决多模态多目标问题的多目标粒子群优化器，IEEE进化计算交易，2017年和早