代码有详细注释。实现了三种解决方案，针对固定数据集和随机数据集

模拟退火算法解决tsp问题，内含画图代码，tsp标准数据集拟退火算法(Simulated Annealing，简称SA)的思想最早是由Metropolis等提出的。其出发点是基于物理中固体物质的退火过程与一般的组合优化问题之间的相似性。模拟退火法是一种通用的优化算法，其物理退火过程由以下三部分组成: 加温过程。其目的是增强粒子的热运动，使其偏离平衡位置。当温度足够高时，固体将熔为液体，从而消除系统原先存在的非均匀状态。 等温过程。对于与周围环境交换热量而温度不变的封闭系统，系统状态的自发变化总是朝自由能减少的方向进行的，当自由能达到最小时，系统达到平衡状态。 冷却过程。使粒子热运动减弱，系统能量下降，得到晶体结构。 加温过程相当于对算法设定初值，等温过程对应算法的Metropolis抽样过程，冷却过程对应控制参数的下降。这里能量的变化就是目标函数，我们要得到的最优解就是能量最低态。其中Metropolis准则是SA算法收敛于全局最优解的关键所在，Metropolis准则以一定的概率接受恶化解，这样就使算法跳离局部最优的陷阱

C#遗传算法处理TSP问题源码，方便好用。

TSP问题及LINGO求解技巧, 巡回旅行商问题(Traveling Salesman Problem，TSP)，也称为货郎担问题。最早可以追溯到1759年Euler提出的骑士旅行问题。1948年，由美国兰德公司推动，TSP成为近代组合优化领域的一个典型难题。它已经被证明属于NP难题。

chapter22蚁群算法的优化计算——旅行商问题(TSP)优化

用蚁群算法实现TSP问题，内含13个城市测试矩阵的相对坐标，算法源程序，运行结果和鲁棒性分析，程序移植性好易于修改

旅行商问题（TSP）是最古老而且研究最广泛的组合优化问题。针对TSP问题，提出一种蚁群与粒子群混合算法（HAPA）。HAPA首先将蚁群划分成多个蚂蚁子群，然后把蚂蚁子群的参数作为粒子，通过粒子群算法来优化蚂蚁子群的参数，并在蚂蚁子群中引入了信息素交换操作。实验结果表明，HAPA在求解TSP问题中比传统算法和同类算法更具优越性。

模拟退火算法 matlab code 完整版

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

运用贪心算法初始化遗传算法种群,之后进行9999代繁殖得到一个近似最优解 文档中有全部代码