旅行商问题（TSP）是最著名的组合优化问题之一。 TSP的目标是找到访问每个城市一次并返回原始城市的最短路线。 在组合优化领域中，它被列为NP难题。

利用人工蜂群算法来求解TSP旅行商问题： 1、以bayg29.tsp为输入数据，以蜜源规模SN、城市数目即解向量维数 Dimension、最大循环次数MCN、单个蜜源允许迭代的最大次数limit为输入参 数； 2、直接运行main.cpp，即可在控制台中得到迭代后的最优路线，同时会生成 result.txt文件，文件中会输出原始的城市点坐标、距离矩阵和初始化后的蜜 源，还会输出每次迭代后的蜜源蜂群，同时输出每次迭代后的最优路线。

用python实现遗传算法解决旅行商问题，数据为中国省会城市坐标。仅供交流学习,摘要必须大于50个字!

遗传算法解决5种多旅行商问题（mtsp）的matlab程序 分别为以下5中情况： 1.从不同起点出发回到起点（固定旅行商数量） 2.从不同起点出发回到起点（旅行商数量根据计算可变） 3.从同一起点出发回到起点 4.从同一起点出发不会到起点 5.从同一起点出发回到同一终点（与起点不同）

MATLAB源码集锦-基于连续Hopfield神经网络的旅行商问题优化计算程序

压缩文件中包含了三种算法源码，打开即可直接运行，都是用的C或C++。论文中详细介绍了三种方法在旅行商问题上的应用，也对三种方法的效率进行了对比，并且对TSP问题进行了总结。

各种遗传算法解决旅行商问题的matlab代码大合集，其中英文注释5种方法，中文注释一种方法。

快速排序与归并排序的比较、马周游问题、旅行商算法、

本代码主要利用MATLAB工具进行连续Hopfield神经网络的优化的仿真，实现旅行商问题优化计算的模拟

布谷鸟搜索（Cuckoo Search，CS）算法在求解连续优化问题时表现出了较好的性能，但现有的CS算法在求解旅行商问题（Traveling Salesman Problem，TSP）时收敛较慢且未能体现Levy飞行的特点，针对这些不足提出了一种新的基因-表现型的布谷鸟算法（Genotype-Phenotype Cuckoo Search，GPCS），GPCS算法首先赋予每个城市一个整数部分为城市编号的随机小数编码即基因，而此基因所表现的内容由小数和整数共同决定，小数决定城市的访问次序，整数部分代表某个城市，两个部分组合起来构成Levy飞行的邻域空间，最后根据不同的飞行结果选择重定位或替换操作。实验结果表明，GPCS算法优于同类的CS算法，也优于一些其他的群智能算法，特别在求解大规模TSP时其优势更加明显。