蚁群算法的优化计算——旅行商问题(TSP)优化，注释齐全

matlab蚁群算法tsp.txt

该脚本是对 TSP 示例 Matlab 优化工具箱 ( https://mathworks.com/help/optim/ug/travelling-salesman-problem.html ) 的修改，用于解决非对称 TSP。 *detectSubtours.m 保持不变，没有任何变化。 1. 该脚本基于二进制整数规划求解 TSP（对称和非对称） 2. 所需输入：距离矩阵文件。 将输入文件放在与脚本相同的文件夹中。 距离矩阵应该是方阵。 3. 在提示中输入文件名以及 .csv/.xls 等扩展名4. (i,i) 之间的距离应为 0。另外，如果两个节点之间没有路由，则对应的矩阵值应为零。

比较有用的程序,在求解0--1背包问题,用matlab来编写程序.

关于旅行商问题的cplex程序，可以求解小规模的标准的旅行商路线问题

模拟退火 在本练习中，我们将实现几种本地搜索算法，并在数十个美国州首府之间的“旅行推销员问题”（TSP）上对其进行测试。 特别是，我们将专注于模拟退火算法，该算法是允许某些下坡运动的随机爬山的一种形式。 在退火计划的早期阶段，人们很容易接受下坡运动，然后随着时间的推移，下坡运动的频率降低。 时间表输入确定温度T的值作为时间的函数。

【TSP问题】基于人工鱼群算法求解TSP问题matlab 源码.zip

对Matlab中的遗传算法工具箱进行改进而得到的遗传退火进化算法。可用于一般的最优化问题，求解无约束的或带有线性约束的连续函数的全局最小值。首先对传统的遗传算法和模拟退火算法进行改进，然后将模拟退火算法引入了遗传算法，结合两种算法的优点，得到一种新的遗传退火进化算法。它不但实现了遗传算法的全局搜索能力与模拟退火算法的局部搜索能力的结合，同时可使改进后的模拟退火算法能够充分利用遗传算法所得的全局信息。经验证，改算法能使遗传算法避免产生早熟收敛，增强了算法的全局收敛性，而且加快了算法的收敛速度。该算法的使用方法与遗传算法相似，可参考matlab遗传算法的帮助文档。区别在于不能含有非线性约束。使用格式：[x, fval] = ga_nn(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,options)其中的options可以使用gatool设置后导出，也可以使用压缩包中附带的gaoptions.mat导入。

研究生课程中的一例，同学做的，仅供参考! 还有要改进的地方

模拟退火算法的改进，总结了模拟算法的各种改进算法，很强大